Buchumschlag

Will My Robot Achieve My Goals? Predicting the Probability that an MDP Policy Reaches a User-Specified Behavior Target

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Guyer, Alexander, Dietterich, Thomas G.
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Scenario Approach with Post-Design Certification of User-Specified Properties
von: Carè, Algo, et al.
Veröffentlicht: (2026)

From Partial Exchangeability to Predictive Probability: A Bayesian Perspective on Classification
von: Diniz, Marcio Alves
Veröffentlicht: (2025)

Multiclass Calibration Assessment and Recalibration of Probability Predictions via the Linear Log Odds Calibration Function
von: Vennos, Amy, et al.
Veröffentlicht: (2026)

New User Event Prediction Through the Lens of Causal Inference
von: Yuchi, Henry Shaowu, et al.
Veröffentlicht: (2024)

Selection of the Most Probable Best
von: Kim, Taeho, et al.
Veröffentlicht: (2022)

Achieving Fairness with a Simple Ridge Penalty
von: Scutari, Marco, et al.
Veröffentlicht: (2021)

DARTS: Targeting Prognostic Covariates in Budget-Constrained Sequential Experiments
von: Husar, Kateryna, et al.
Veröffentlicht: (2026)

A Priori Determination of the Pretest Probability
von: Balayla, Jacques
Veröffentlicht: (2024)

Stabilized Inverse Probability Weighting via Isotonic Calibration
von: van der Laan, Lars, et al.
Veröffentlicht: (2024)

Collective Counterfactual Explanations: Balancing Individual Goals and Collective Dynamics
von: Ehyaei, Ahmad-Reza, et al.
Veröffentlicht: (2024)

Tuning-Free Sampling via Optimization on the Space of Probability Measures
von: Sharrock, Louis, et al.
Veröffentlicht: (2025)

Invariant Causal Prediction with Local Models
von: Mey, Alexander, et al.
Veröffentlicht: (2024)

Goal-Oriented Lower-Tail Calibration of Gaussian Processes for Bayesian Optimization
von: Pion, Aurélien, et al.
Veröffentlicht: (2026)

Invariant Probabilistic Prediction
von: Henzi, Alexander, et al.
Veröffentlicht: (2023)

Sparse Learning and Class Probability Estimation with Weighted Support Vector Machines
von: Zeng, Liyun, et al.
Veröffentlicht: (2023)

Kernel-Based Ensemble Gaussian Mixture Probability Hypothesis Density Filter
von: Durant, Dalton, et al.
Veröffentlicht: (2025)

Classification from Positive and Biased Negative Data with Skewed Labeled Posterior Probability
von: Watanabe, Shotaro, et al.
Veröffentlicht: (2022)

Integral Probability Metrics Meet Neural Networks: The Radon-Kolmogorov-Smirnov Test
von: Paik, Seunghoon, et al.
Veröffentlicht: (2023)

LITE: Efficiently Estimating Gaussian Probability of Maximality
von: Menet, Nicolas, et al.
Veröffentlicht: (2025)

An Equal-Probability Partition of the Sample Space: A Non-parametric Inference from Finite Samples
von: Eriksson, Urban
Veröffentlicht: (2025)

Policy Targeting under Network Interference
von: Viviano, Davide
Veröffentlicht: (2019)

Machine Learning Who to Nudge: Causal vs Predictive Targeting in a Field Experiment on Student Financial Aid Renewal
von: Athey, Susan, et al.
Veröffentlicht: (2023)

Targeted Learning for Variable Importance
von: Wang, Xiaohan, et al.
Veröffentlicht: (2024)

Predictive Performance Comparison of Decision Policies Under Confounding
von: Guerdan, Luke, et al.
Veröffentlicht: (2024)

Neural Conditional Probability for Uncertainty Quantification
von: Kostic, Vladimir R., et al.
Veröffentlicht: (2024)

Targeted tuning of random forests for quantile estimation and prediction intervals
von: Berkowitz, Matthew, et al.
Veröffentlicht: (2025)

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

Targeted Sequential Indirect Experiment Design
von: Ailer, Elisabeth, et al.
Veröffentlicht: (2024)

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

Data-Driven Approaches for Modelling Target Behaviour
von: Schlangen, Isabel, et al.
Veröffentlicht: (2024)

Targeting relative risk heterogeneity with causal forests
von: Shirvaikar, Vik, et al.
Veröffentlicht: (2023)

Combining Experimental and Historical Data for Policy Evaluation
von: Li, Ting, et al.
Veröffentlicht: (2024)

Better Locally Private Sparse Estimation Given Multiple Samples Per User
von: Ma, Yuheng, et al.
Veröffentlicht: (2024)

Bias-Targeted Nonparametric Balancing for Stable Causal Mediation Analysis
von: Liu, Chang, et al.
Veröffentlicht: (2024)

Goal-Oriented Sequential Bayesian Experimental Design for Causal Learning
von: Zhang, Zheyu, et al.
Veröffentlicht: (2025)

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

Policy-Aware Design of Large-Scale Factorial Experiments
von: Wen, Xin, et al.
Veröffentlicht: (2026)

Efficient Targeted Maximum Likelihood Estimators for Two-Phase Design Problems
von: Qiu, Sky, et al.
Veröffentlicht: (2026)

Guardrailed Uplift Targeting: A Causal Optimization Playbook for Marketing Strategy
von: Sapru, Deepit
Veröffentlicht: (2025)

Extending Prediction-Powered Inference through Conformal Prediction
von: Csillag, Daniel, et al.
Veröffentlicht: (2025)