Buchumschlag

Improved prediction of future user activity in online A/B testing

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Masoero, Lorenzo, Beraha, Mario, Richardson, Thomas, Favaro, Stefano
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Nonparametric Bayes Approach to Online Activity Prediction
von: Beraha, Mario, et al.
Veröffentlicht: (2024)

Online activity prediction via generalized Indian buffet process models
von: Beraha, Mario, et al.
Veröffentlicht: (2025)

Large-scale entity resolution via microclustering Ewens--Pitman random partitions
von: Beraha, Mario, et al.
Veröffentlicht: (2025)

Robust and efficient multiple-unit switchback experimentation
von: Missault, Paul, et al.
Veröffentlicht: (2025)

Importance sampling for online variational learning
von: Chagneux, Mathis, et al.
Veröffentlicht: (2024)

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

Practical considerations when designing an online learning algorithm for an app-based mHealth intervention
von: Gonzalez, Rachel T, et al.
Veröffentlicht: (2025)

Personalised dynamic super learning: an application in predicting hemodiafiltration convection volumes
von: Chatton, Arthur, et al.
Veröffentlicht: (2023)

Improving the Estimation of Lifetime Effects in A/B Testing via Treatment Locality
von: Chen, Shuze, et al.
Veröffentlicht: (2024)

Stability of clinical prediction models developed using statistical or machine learning methods
von: Riley, Richard D, et al.
Veröffentlicht: (2022)

Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing
von: Das, Pramit, et al.
Veröffentlicht: (2025)

Testing and Improving the Robustness of Amortized Bayesian Inference for Cognitive Models
von: Wu, Yufei, et al.
Veröffentlicht: (2024)

Logistic regression models for patient-level prediction based on massive observational data: Do we need all data?
von: John, Luis H., et al.
Veröffentlicht: (2020)

Adaptive Selection of the Optimal Strategy to Improve Precision and Power in Randomized Trials
von: Balzer, Laura B., et al.
Veröffentlicht: (2022)

Improving the Validity and Practical Usefulness of AI/ML Evaluations Using an Estimands Framework
von: Binette, Olivier, et al.
Veröffentlicht: (2024)

Ranking by Lifts: A Cost-Benefit Approach to Large-Scale A/B Tests
von: Basu, Pallavi, et al.
Veröffentlicht: (2024)

Hybrid Bernstein Normalizing Flows for Flexible Multivariate Density Regression with Interpretable Marginals
von: Arpogaus, Marcel, et al.
Veröffentlicht: (2025)

A variational inference framework for inverse problems
von: Maestrini, Luca, et al.
Veröffentlicht: (2021)

A Honest Cross-Validation Estimator for Prediction Performance
von: Pan, Tianyu, et al.
Veröffentlicht: (2025)

Changepoint Detection As Model Selection: A General Framework
von: Grantham, Michael, et al.
Veröffentlicht: (2026)

A Gaussian Process Model for Ordinal Data with Applications to Chemoinformatics
von: Gosnell, Arron, et al.
Veröffentlicht: (2024)

Assessment of Sports Concussion in Female Athletes: A Role for Neuroinformatics?
von: Edelstein, Rachel, et al.
Veröffentlicht: (2024)

A statistical approach to latent dynamic modeling with differential equations
von: Hackenberg, Maren, et al.
Veröffentlicht: (2023)

Clustering Approaches for Mixed-Type Data: A Comparative Study
von: Ghattas, Badih, et al.
Veröffentlicht: (2025)

A Bayesian Classification Trees Approach to Treatment Effect Variation with Noncompliance
von: Fisher, Jared D., et al.
Veröffentlicht: (2024)

meval: A Statistical Toolbox for Fine-Grained Model Performance Analysis
von: Sutariya, Dishantkumar, et al.
Veröffentlicht: (2025)

A Bayesian Framework for Causal Analysis of Recurrent Events with Timing Misalignment
von: Oganisian, Arman, et al.
Veröffentlicht: (2023)

A Unified Combination Framework for Dependent Tests with Applications to Microbiome Association Studies
von: Yu, Xiufan, et al.
Veröffentlicht: (2024)

A Bayesian Framework for Post-disruption Travel Time Prediction in Metro Networks
von: Nazemi, Shayan, et al.
Veröffentlicht: (2026)

A Generative Framework for Causal Estimation via Importance-Weighted Diffusion Distillation
von: Song, Xinran, et al.
Veröffentlicht: (2025)

A class of modular and flexible covariate-based covariance functions for nonstationary spatial modeling
von: Blasi, Federico, et al.
Veröffentlicht: (2024)

A Nonparametric Adaptive EWMA Control Chart for Binary Monitoring of Multiple Stream Processes
von: Muritala, Faruk, et al.
Veröffentlicht: (2026)

Double Machine Learning Methods for Estimating Average Treatment Effects: A Comparative Study
von: Tan, Xiaoqing, et al.
Veröffentlicht: (2022)

Depth-Based Local Center Clustering: A Framework for Handling Different Clustering Scenarios
von: Wang, Siyi, et al.
Veröffentlicht: (2025)

A Causal Machine Learning Framework for Treatment Personalization in Clinical Trials: Application to Ulcerative Colitis
von: Minoccheri, Cristian, et al.
Veröffentlicht: (2026)

Stein-Encoder: A White-Box Supervised Encoder via Stein Identities in Multi-Modal Studies
von: Zhang, Jiarui, et al.
Veröffentlicht: (2026)

A Large Scale Heterogeneous Treatment Effect Estimation Framework and Its Applications of Users' Journey at Snap
von: Pan, Jing, et al.
Veröffentlicht: (2025)

PliableBVS: A flexible Bayesian variable selection method for modeling interactions with mandatory modifying variables
von: Asenso, Theophilus Quachie, et al.
Veröffentlicht: (2026)

A Transfer Learning Causal Approach to Evaluate Racial/Ethnic and Geographic Variation in Outcomes Following Congenital Heart Surgery
von: Han, Larry, et al.
Veröffentlicht: (2024)

Online detection of forecast model inadequacies using forecast errors
von: Grundy, Thomas, et al.
Veröffentlicht: (2025)