Создание сетей для внутренней оценки вне политики
arXiv: 261 030.34035v1 Вид уведомления: новое резюме: оценка вне политики (ОРЭ) имеет важное значение для оценки политики принятия решений до внедрения, когда онлайновые эксперименты являются дорогостоящими или небезопасными. Точные оценки по-прежнему сопряжены с трудностями в тех случаях, когда данные о поведении и политике ограничены, а целевая политика благоприятствует государствам и действиям, которые редко отмечаются в этих данных. Мы предлагаем InCOPE - сеть, установленную на основе предварительных данных, которая изучает правило совместного прогнозирования политической ценности в рамках всех синтетических задач OPE. Мы выстраиваем задачу OPE перед процессами принятия решений Марковым и парами политики в области поведения, генерируя наборы данных о поведении-политике и точные целевые политические ценности для предварительной подготовки. Для решения новой проблемы в табличной форме предварительно обученная сеть использует набор данных о поведении и политике, целевую политику и известные параметры задач как контекст для прогнозирования ожидаемой отдачи политики без обновления параметров по конкретным задачам. Эксперименты в четырех табличных областях, включая полусинтетические клинические параметры, демонстрируют эффективность ИНКОПЕ для Pol
