Buchumschlag

Uplift modeling with continuous treatments: A predict-then-optimize approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	De Vos, Simon, Bockel-Rickermann, Christopher, Lessmann, Stefan, Verbeke, Wouter
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

Sources of Gain: Decomposing Performance in Conditional Average Dose Response Estimation
von: Bockel-Rickermann, Christopher, et al.
Veröffentlicht: (2024)

Using representation balancing to learn conditional-average dose responses from clustered data
von: Bockel-Rickermann, Christopher, et al.
Veröffentlicht: (2023)

Fraud Analytics: A Decade of Research -- Organizing Challenges and Solutions in the Field
von: Bockel-Rickermann, Christopher, et al.
Veröffentlicht: (2022)

Decision-centric fairness: Evaluation and optimization for resource allocation problems
von: De Vos, Simon, et al.
Veröffentlicht: (2025)

Using dynamic loss weighting to boost improvements in forecast stability
von: Caljon, Daan, et al.
Veröffentlicht: (2024)

Foundation Models for Credit Risk Prediction: A Game Changer?
von: Baesens, Bart, et al.
Veröffentlicht: (2026)

Uncertainty in Machine Learning
von: Weytjens, Hans, et al.
Veröffentlicht: (2025)

Interpretable, multi-dimensional Evaluation Framework for Causal Discovery from observational i.i.d. Data
von: Velev, Georg, et al.
Veröffentlicht: (2024)

Neural Architecture Search for global multi-step Forecasting of Energy Production Time Series
von: Velev, Georg, et al.
Veröffentlicht: (2025)

Is TabPFN the Silver Bullet for Insurance Pricing?
von: Deprez, Bruno, et al.
Veröffentlicht: (2026)

Estimating Treatment Effects in Networks using Domain Adversarial Training
von: Caljon, Daan, et al.
Veröffentlicht: (2025)

Incorporating data drift to perform survival analysis on credit risk
von: Peng, Jianwei, et al.
Veröffentlicht: (2026)

Transfer Learning for Loan Recovery Prediction under Distribution Shifts with Heterogeneous Feature Spaces
von: Gerling, Christopher, et al.
Veröffentlicht: (2026)

Metalearners for Ranking Treatment Effects
von: Vanderschueren, Toon, et al.
Veröffentlicht: (2024)

Stabilizing distribution-free probabilistic forecasts
von: Van Belle, Jente, et al.
Veröffentlicht: (2026)

The Deep Promotion Time Cure Model
von: Medina-Olivares, Victor, et al.
Veröffentlicht: (2023)

GARG-AML against Smurfing: A Scalable and Interpretable Graph-Based Framework for Anti-Money Laundering
von: Deprez, Bruno, et al.
Veröffentlicht: (2025)

Inductive inference of gradient-boosted decision trees on graphs for insurance fraud detection
von: Vandervorst, Félix, et al.
Veröffentlicht: (2025)

Semi-structured multi-state delinquency model for mortgage default
von: Medina-Olivares, Victor, et al.
Veröffentlicht: (2026)

Leveraging Zero-Shot Prompting for Efficient Language Model Distillation
von: Vöge, Lukas, et al.
Veröffentlicht: (2024)

Deep Learning and NLP in Cryptocurrency Forecasting: Integrating Financial, Blockchain, and Social Media Data
von: Gurgul, Vincent, et al.
Veröffentlicht: (2023)

Advances in Continual Graph Learning for Anti-Money Laundering Systems: A Comprehensive Review
von: Deprez, Bruno, et al.
Veröffentlicht: (2025)

Optimizing Treatment Allocation in the Presence of Interference
von: Caljon, Daan, et al.
Veröffentlicht: (2024)

Network Analytics for Anti-Money Laundering -- A Systematic Literature Review and Experimental Evaluation
von: Deprez, Bruno, et al.
Veröffentlicht: (2024)

Achieving Group Fairness through Independence in Predictive Process Monitoring
von: Peeperkorn, Jari, et al.
Veröffentlicht: (2024)

The foundations of cost-sensitive causal classification
von: Verbeke, Wouter, et al.
Veröffentlicht: (2020)

Graph Neural Network with Two Uplift Estimators for Label-Scarcity Individual Uplift Modeling
von: Zhu, Dingyuan, et al.
Veröffentlicht: (2024)

Variational Quantum Circuit-Based Reinforcement Learning for Dynamic Portfolio Optimization
von: Gurgul, Vincent, et al.
Veröffentlicht: (2026)

Fighting Sampling Bias: A Framework for Training and Evaluating Credit Scoring Models
von: Kozodoi, Nikita, et al.
Veröffentlicht: (2024)

A causal viewpoint on prediction model performance under changes in case-mix: discrimination and calibration respond differently for prognosis and diagnosis predictions
von: van Amsterdam, Wouter A. C.
Veröffentlicht: (2024)

Benchmarking for Deep Uplift Modeling in Online Marketing
von: Liu, Dugang, et al.
Veröffentlicht: (2024)

Hierarchical Contextual Uplift Bandits for Catalog Personalization
von: Agrawal, Anupam, et al.
Veröffentlicht: (2026)

Energy Price Modelling: A Comparative Evaluation of four Generations of Forecasting Methods
von: Andrei, Alexandru-Victor, et al.
Veröffentlicht: (2024)

A New Transformation Approach for Uplift Modeling with Binary Outcome
von: Li, Kun, et al.
Veröffentlicht: (2023)

FairUDT: Fairness-aware Uplift Decision Trees
von: Zahid, Anam, et al.
Veröffentlicht: (2025)

A survey and benchmark of high-dimensional Bayesian optimization of discrete sequences
von: González-Duque, Miguel, et al.
Veröffentlicht: (2024)

Uplift Modeling Under Limited Supervision
von: Panagopoulos, George, et al.
Veröffentlicht: (2024)

Rankability-enhanced Revenue Uplift Modeling Framework for Online Marketing
von: He, Bowei, et al.
Veröffentlicht: (2024)

Causal machine learning for predicting treatment outcomes
von: Feuerriegel, Stefan, et al.
Veröffentlicht: (2024)

MOYU: A Theoretical Study on Massive Over-activation Yielded Uplifts in LLMs
von: Ma, Chi, et al.
Veröffentlicht: (2024)