Buchumschlag

Safe Policy Learning through Extrapolation: Application to Pre-trial Risk Assessment

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ben-Michael, Eli, Greiner, D. James, Imai, Kosuke, Jiang, Zhichao
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Safe Policy Learning under Regression Discontinuity Designs with Multiple Cutoffs
von: Zhang, Yi, et al.
Veröffentlicht: (2022)

Bayesian Safe Policy Learning with Chance Constrained Optimization: Application to Military Security Assessment during the Vietnam War
von: Jia, Zeyang, et al.
Veröffentlicht: (2023)

Longitudinal Causal Inference with Selective Eligibility
von: Jiang, Zhichao, et al.
Veröffentlicht: (2024)

Individualized Policy Evaluation and Learning under Clustered Network Interference
von: Zhang, Yi, et al.
Veröffentlicht: (2023)

Neyman Meets Causal Machine Learning: Experimental Evaluation of Individualized Treatment Rules
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2024)

Statistical Inference for Heterogeneous Treatment Effects Discovered by Generic Machine Learning in Randomized Experiments
von: Imai, Kosuke, et al.
Veröffentlicht: (2022)

GenAI-Powered Inference
von: Imai, Kosuke, et al.
Veröffentlicht: (2025)

Does AI help humans make better decisions? A statistical evaluation framework for experimental and observational studies
von: Ben-Michael, Eli, et al.
Veröffentlicht: (2024)

Statistical Performance Guarantee for Subgroup Identification with Generic Machine Learning
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2023)

Using Machine Learning to Test Causal Hypotheses in Conjoint Analysis
von: Ham, Dae Woong, et al.
Veröffentlicht: (2022)

Minimax Regret Estimation for Generalizing Heterogeneous Treatment Effects with Multisite Data
von: Zhang, Yi, et al.
Veröffentlicht: (2024)

Cramming Contextual Bandits for On-policy Statistical Evaluation
von: Jia, Zeyang, et al.
Veröffentlicht: (2024)

Engression: Extrapolation through the Lens of Distributional Regression
von: Shen, Xinwei, et al.
Veröffentlicht: (2023)

CSPI-MT: Calibrated Safe Policy Improvement with Multiple Testing for Threshold Policies
von: Cho, Brian M, et al.
Veröffentlicht: (2024)

Censoring-Aware Tree-Based Reinforcement Learning for Estimating Dynamic Treatment Regimes with Censored Outcomes
von: Paul, Animesh Kumar, et al.
Veröffentlicht: (2025)

Extrapolation in Statistical Learning with Extreme Value Theory
von: Engelke, Sebastian, et al.
Veröffentlicht: (2026)

Regularizing Extrapolation in Causal Inference
von: Arbour, David, et al.
Veröffentlicht: (2025)

Assessing Extrapolation of Peaks Over Thresholds with Martingale Testing
von: de Vilmarest, Joseph, et al.
Veröffentlicht: (2025)

Optimizing Language Models for Human Preferences is a Causal Inference Problem
von: Lin, Victoria, et al.
Veröffentlicht: (2024)

Omitted Variable Bias in Language Models Under Distribution Shift
von: Lin, Victoria, et al.
Veröffentlicht: (2026)

Extrapolation-Aware Nonparametric Statistical Inference
von: Pfister, Niklas, et al.
Veröffentlicht: (2024)

Position: Stop Chasing the C-index when Evaluating Survival Analysis Models
von: Lillelund, Christian Marius, et al.
Veröffentlicht: (2025)

Extrapolating Single-Treatment Effects Out of Factorial Experiments
von: Duarte, Guilherme
Veröffentlicht: (2024)

SADA: Safe and Adaptive Aggregation of Multiple Black-Box Predictions in Semi-Supervised Learning
von: Shan, Jiawei, et al.
Veröffentlicht: (2025)

Task-tailored Pre-processing: Fair Downstream Supervised Learning
von: Sohn, Jinwon, et al.
Veröffentlicht: (2026)

Towards Optimal Environmental Policies: Policy Learning under Arbitrary Bipartite Network Interference
von: Kim, Raphael C., et al.
Veröffentlicht: (2024)

Estimating Interventional Distributions with Uncertain Causal Graphs through Meta-Learning
von: Dhir, Anish, et al.
Veröffentlicht: (2025)

CLEAR: Calibrated Learning for Epistemic and Aleatoric Risk
von: Azizi, Ilia, et al.
Veröffentlicht: (2025)

Doubly Robust Fusion of Many Treatments for Policy Learning
von: Zhu, Ke, et al.
Veröffentlicht: (2025)

Hierarchical Causal Models
von: Weinstein, Eli N., et al.
Veröffentlicht: (2024)

Pre-validation Revisited
von: Shang, Jing, et al.
Veröffentlicht: (2025)

Copula Based Fusion of Clinical and Genomic Machine Learning Risk Scores for Breast Cancer Risk Stratification
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

Semi-supervised Vertex Hunting, with Applications in Network and Text Analysis
von: Jiang, Yicong, et al.
Veröffentlicht: (2025)

Conformal Decision Theory: Safe Autonomous Decisions from Imperfect Predictions
von: Lekeufack, Jordan, et al.
Veröffentlicht: (2023)

Deep Learning of Continuous and Structured Policies for Aggregated Heterogeneous Treatment Effects
von: Zhang, Jennifer Y., et al.
Veröffentlicht: (2025)

What if? Causal Machine Learning in Supply Chain Risk Management
von: Wyrembek, Mateusz, et al.
Veröffentlicht: (2024)

Neural Networks for Extreme Quantile Regression with an Application to Forecasting of Flood Risk
von: Pasche, Olivier C., et al.
Veröffentlicht: (2022)

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries
von: Wu, Bohan, et al.
Veröffentlicht: (2025)

Data-Automated Policy Learning for Nonlinear Welfare
von: Ai, Chunrong, et al.
Veröffentlicht: (2026)

Adaptive Kernel Density Estimation with Pre-training
von: Zhang, Ruitong, et al.
Veröffentlicht: (2026)