Buchumschlag

Identifiable Latent Bandits: Leveraging observational data for personalized decision-making

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Balcıoğlu, Ahmet Zahid, Mwai, Newton, Carlsson, Emil, Johansson, Fredrik D.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Latent Preference Bandits
von: Mwai, Newton, et al.
Veröffentlicht: (2025)

Latent Order Bandits
von: Carlsson, Emil, et al.
Veröffentlicht: (2026)

Pure Exploration in Bandits with Linear Constraints
von: Carlsson, Emil, et al.
Veröffentlicht: (2023)

Learning plug-in surrogate endpoints for randomized experiments
von: Margueritte, Alessandro-Umberto, et al.
Veröffentlicht: (2026)

Prediction Models That Learn to Avoid Missing Values
von: Stempfle, Lena, et al.
Veröffentlicht: (2025)

Active Preference Learning for Ordering Items In- and Out-of-sample
von: Bergström, Herman, et al.
Veröffentlicht: (2024)

Variational Quantum Optimization with Continuous Bandits
von: Wanner, Marc, et al.
Veröffentlicht: (2025)

IncomeSCM: From tabular data set to time-series simulator and causal estimation benchmark
von: Johansson, Fredrik D.
Veröffentlicht: (2024)

Leveraging Offline Data in Linear Latent Contextual Bandits
von: Kausik, Chinmaya, et al.
Veröffentlicht: (2024)

Learning Approximate and Exact Numeral Systems via Reinforcement Learning
von: Carlsson, Emil, et al.
Veröffentlicht: (2021)

Unsupervised domain adaptation by learning using privileged information
von: Breitholtz, Adam, et al.
Veröffentlicht: (2023)

Federated Learning with Heterogeneous and Private Label Sets
von: Breitholtz, Adam, et al.
Veröffentlicht: (2025)

Beyond IID: data-driven decision-making in heterogeneous environments
von: Besbes, Omar, et al.
Veröffentlicht: (2022)

Tree Ensembles for Contextual Bandits
von: Nilsson, Hannes, et al.
Veröffentlicht: (2024)

Foreclassing: A new machine learning perspective on human decision making with temporal data
von: Coulson, Daniel Andrew, et al.
Veröffentlicht: (2025)

Overcoming label shift with target-aware federated learning
von: Zec, Edvin Listo, et al.
Veröffentlicht: (2024)

Efficient Matroid Bandit Linear Optimization Leveraging Unimodality
von: Delage, Aurélien, et al.
Veröffentlicht: (2025)

Generative models for decision-making under distributional shift
von: Cheng, Xiuyuan, et al.
Veröffentlicht: (2026)

Scenario theory for multi-criteria data-driven decision making
von: Garatti, Simone, et al.
Veröffentlicht: (2026)

Contextual Bandits for Resource-Constrained Devices using Probabilistic Learning
von: Angioli, Marco, et al.
Veröffentlicht: (2026)

On the Identifiability of Latent Action Policies
von: Lachapelle, Sébastien
Veröffentlicht: (2025)

Non-Stationary Latent Auto-Regressive Bandits
von: Trella, Anna L., et al.
Veröffentlicht: (2024)

MARBLE: Multi-Armed Restless Bandits in Latent Markovian Environment
von: Amiri, Mohsen, et al.
Veröffentlicht: (2025)

Multi-agent decision making: A Blackwell's informativeness approach
von: Zhang, Zheng, et al.
Veröffentlicht: (2026)

Incorporating structural uncertainty in causal decision making
von: Kaptein, Maurits
Veröffentlicht: (2025)

Handling missing values in clinical machine learning: Insights from an expert study
von: Stempfle, Lena, et al.
Veröffentlicht: (2024)

Approximate Probabilistic Inference for Time-Series Data A Robust Latent Gaussian Model With Temporal Awareness
von: Johansson, Anton, et al.
Veröffentlicht: (2024)

High-Dimensional Linear Bandits under Stochastic Latent Heterogeneity
von: Chen, Elynn, et al.
Veröffentlicht: (2025)

Using causal abstractions to accelerate decision-making in complex bandit problems
von: Dyer, Joel, et al.
Veröffentlicht: (2025)

Joint modeling for learning decision-making dynamics in behavioral experiments
von: Bian, Yuan, et al.
Veröffentlicht: (2025)

Adaptive decision-making for stochastic service network design
von: Durán-Micco, Javier, et al.
Veröffentlicht: (2026)

Adaptive Exploration for Latent-State Bandits
von: Jin, Jikai, et al.
Veröffentlicht: (2026)

Pragmatic Policy Development via Interpretable Behavior Cloning
von: Matsson, Anton, et al.
Veröffentlicht: (2025)

Classification with Reject Option: Distribution-free Error Guarantees via Conformal Prediction
von: Szabadváry, Johan Hallberg, et al.
Veröffentlicht: (2025)

Transfer Learning in Latent Contextual Bandits with Covariate Shift Through Causal Transportability
von: Deng, Mingwei, et al.
Veröffentlicht: (2025)

Identifying Weight-Variant Latent Causal Models
von: Liu, Yuhang, et al.
Veröffentlicht: (2022)

Multi-stage Bayesian optimisation for dynamic decision-making in self-driving labs
von: Torresi, Luca, et al.
Veröffentlicht: (2025)

Causal thinking for decision making on Electronic Health Records: why and how
von: Doutreligne, Matthieu, et al.
Veröffentlicht: (2023)

Explainability through uncertainty: Trustworthy decision-making with neural networks
von: Thuy, Arthur, et al.
Veröffentlicht: (2024)

Inverse decision-making using neural amortized Bayesian actors
von: Straub, Dominik, et al.
Veröffentlicht: (2024)