文献

J-GLOBAL ID：202002217901326222   整理番号：20A2094197

オンライン実験における感度を改善するための分散加重推定量【JST・京大機械翻訳】

Variance-Weighted Estimators to Improve Sensitivity in Online Experiments

著者 (2件)： Liou Kevin (Facebook, Menlo Park, CA, USA) ,  Taylor Sean J. (Lyft, San Francisco, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： EC ’20  ページ： 837-850  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 企業が製品決定を行うための実験にますます依存しているので,鍵計量の変化を正確に測定することは重要である。予備実験データ,機械学習,およびより進んだ実験設計を使用する方法を含む,実験における感度を増加させる様々な方法が提案されている。しかし,以前の研究は,個々の実験利用者の分散におけるモデリング不均一性を探索していない。事前実験データを用いて実験ユーザの個々の分散を推定することに依存するより敏感な処理効果推定器を提案した。個々のレベル分散推定を用いた重み付き推定子は,処理効果推定の分散を低減でき,サンプル母集団分散の変動係数が,可能な分散低減の尺度を決定するのに十分な統計であることを証明した。このアプローチの有効性を示すFacebookにおける事例研究から経験的結果を提供し,平均実験がバイアスに対する最小の影響で分散の17%の削減を達成した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 実験計画法 ,  事例研究 ,  母集団 ,  不均一性 ,  有効性 ,  *推定量 ,  変動係数 ,  機械学習
準シソーラス用語： 予備実験 ,  *オンライン ,  分散推定 ,  Facebook , 【Automatic Indexing@JST】

著者キーワード (3件)： A/B試験 ,  実験 ,  分散低減

分類 (5件)： 遺伝子発現  (EC02040Q) ,  システム・制御理論一般  (IA02010H) ,  数値計算  (JE02000J) ,  統計学  (AB08000H) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (5件)： オンライン ,  実験 ,  感度 ,  加重 ,  推定量