购物网站哪个最好记账公司如何拉客户

本篇文章Understanding Meta Learners. How to use machine learning to estimate heterogeneous treatment effects适合对因果推断和机器学习感兴趣的读者。文章的亮点在于介绍了S-learner、T-learner和X-learner三种方法，灵活地估计不同用户的处理效应，帮助更好地进行个性化决策。

---

---

1 引言

1.1 如何使用机器学习估计异质处理效应

在许多情况下，我们不仅对估计因果效应感兴趣，还对这种效应是否因不同用户而异感兴趣。我们可能想了解某种药物的副作用是否因不同年龄的人而异。或者我们可能想了解某个广告活动在某些地理区域是否特别有效。

这些知识至关重要，因为它使我们能够针对性地进行干预。如果某种药物对儿童有严重的副作用，我们可能希望将其分发限制给成年人。或者如果某个广告活动只在英语国家有效，那么在其他地方展示它就没有意义。

在这篇博客文章中，我们将探讨一些揭示处理效应异质性的方法。特别是，我们将探讨利用机器学习算法灵活性的方法。

1.2 示例

假设我们是一家公司，有兴趣了解一项新的高级功能能增加多少收入。我们知道不同年龄的用户有不同的消费习惯，并且我们怀疑高级功能的影响也可能因用户的年龄而异。

这些信息可能非常重要，例如用于广告定位或折扣设计。如果我们发现高级功能能增加特定用户群体的收入，我们可能希望将广告定位到该群体或为他们提供个性化折扣。

为了了解高级功能对收入的影响，我们进行了一项 AB测试，其中我们随机向测试样本中10%的用户提供高级功能的访问权限。该功能昂贵，我们无法免费提供给更多用户。希望10%的处理概率足够。

我们使用 [src.dgp](https://github.com/matteocourthoud/Blog-Posts/blob/main/notebooks/src/dgp.py) 中的数据生成过程 dgp_premium() 生成模拟数据。我还从 [src.utils](https://github.com/matteocourthoud/Blog-Posts/blob/main/notebooks/src/utils.py) 导入了一些绘图函数和库。

from src.utils import *  
from src.dgp import dgp_premium
dgp = dgp_premium()  
df = dgp.generate_data(seed=5)  
df.head()

我们有300名用户的数据，我们观察了他们产生的 revenue（收入）以及他们是否获得了 premium（高级）功能。此外，我们还记录了用户的 age（年龄）。

为了了解随机化是否有效，我们使用 Uber 的 [causalml](https://causalml.readthedocs.io/) 包中的 create_table_one 函数生成了一个协变量平衡表，其中包含处理组和对照组之间可观测特征的平均值。顾名思义，这应该是因果推断分析中始终呈现的第一个表格。

from causalml.match import create_table_onecreate_table_one(df, 'premium', ['age', 'revenue'])

大多数用户属于对照组，只有31名用户获得了高级功能。各组的平均 age 具有可比性（标准化均值差，SMD<0.1），而高级功能似乎平均使每位用户的 revenue 增加了2.59美元。

premium 功能的效果是否因用户 age 而不同？

一个简单的方法是回归 revenue 对 premium 和 age 的完全交互项。

linear_model = smf.ols('revenue ~ premium * age', data=df).fit()  
linear_model.summary().tables[1]

交互项系数接近零且不显著。这似乎表明 premium 对 age 没有差异效应。但这真的正确吗？交互项系数只捕捉线性关系。如果关系是非线性的怎么办？

我们可以通过直接绘制原始数据来检查。我们绘制 revenue 对 age 的散点图，将数据分为 premium 用户和非 premium 用户。

sns.scatterplot(data=df, x='age', y='revenue', hue='premium', s=40);

从原始数据来看，revenue 通常在30到50岁之间的人群中较高，而 premium 对35到45岁之间的人群有特别强烈的效果。

我们可以可视化估计的按年龄划分的、有无处理的收入。

我们首先计算有 premium 功能（${\hat{\mu }}_1$）和没有 premium 功能（${\hat{\mu }}_0$）时的预测收入，并将它们与原始数据一起绘制。

df['mu0_hat'] = linear_model.predict(df.assign(premium=0))  
df['mu1_hat'] = linear_model.predict(df.assign(premium=1))  
plot_TE(df)

正如我们所看到的，橙色线高于蓝色线，这表明 premium 对 revenue 有积极影响。然而，这两条线基本平行，表明处理效应没有异质性。

我们能更精确吗？有没有办法以灵活的方式估计这种处理异质性，而不假设函数形式？

答案是肯定的！我们可以使用机器学习方法灵活地估计异质处理效应。特别是，我们将检查 Künzel, Sekhon, Bickel, Yu, (2019) 引入的三种流行方法：

• S-学习器 (S-learner)
• T-学习器 (T-learner)
• X-学习器 (X-learner)

2 案例解析

2.1 背景设定

我们假设对于一组个体 $i=1,\dots ,n$，我们观察到一个元组 $ (X_i, D_i, Y_i) $，其中包括：

• 处理分配 Di∈{0,1}D_i \in \{0,1\}Di​∈{0,1} (premium)
• 响应 $Y_i\in \mathbb{R}$ (revenue)
• 特征向量 $X_i\in {\mathbb{R}}^n$ (age)

我们感兴趣的是估计平均处理效应。

其中 $Y_i^{(d)}$ 表示个体 $i$ 在处理状态 $d$ 下的潜在结果。我们还做出以下假设。

假设1：无混淆性（或可忽略性，或基于可观测变量的选择）

即，在可观测特征 $X$ 的条件下，处理分配 $D$ 相当于随机的。我们实际假设的是，没有我们未观察到的其他特征会同时影响用户是否获得 premium 功能及其 revenue。这是一个强假设，观察到的个体特征越多，就越有可能满足。

假设2：稳定单元处理值假设 (SUTVA)

即，潜在结果不依赖于处理状态。在我们的案例中，我们排除了另一个用户获得 premium 功能可能会影响我的 premium 对 revenue 的影响。SUTVA 最常被违反的情况是存在网络效应：我的朋友使用社交网络会增加我使用它的效用。

2.2 S-学习器 (S-Learner)

最简单的元算法是单一学习器或S-学习器。为了构建S-学习器估计器，我们为所有观测值拟合一个单一模型 $\hat{\mu }$。

估计器由在有处理 $d=1$ 和无处理 $d=0$ 情况下评估的预测值之差给出。

让我们使用 决策树回归 模型来构建S-学习器，使用 sklearn 包中的 DecisionTreeRegressor 函数。我在这里不会深入讨论决策树的细节，但我只会说它是一个非参数估计器，它使用训练数据将状态空间（在我们的例子中是 premium 和 age）分成块，并预测结果（在我们的例子中是 revenue）作为其在每个块内的平均值。

from sklearn.tree import DecisionTreeRegressormodel = DecisionTreeRegressor(min_impurity_decrease=0.001)  
S_learner(dgp, model, y="revenue", D="premium", X=["age"])

该图描绘了数据以及响应函数 $\hat{\mu }(x,1)$ 和 $\hat{\mu }(x,0)$。我还用灰色绘制了真实响应函数之间的区域：真实处理效应。

正如我们所看到的，S-学习器足够灵活，能够理解处理组和对照组之间存在水平差异（我们有两条独立的线）。它也很好地捕捉了对照组的响应函数 $\hat{\mu }(x,0)$，但对处理组的响应函数 $\hat{\mu }(x,1)$ 捕捉得不太好。

S-学习器的问题在于它正在学习一个单一模型，所以我们必须希望该模型能揭示处理 $D$ 中的异质性，但这可能并非如此。此外，如果模型由于 $X$ 的高维度而受到严格正则化，它可能无法恢复任何处理效应。例如，对于决策树，我们可能不会在处理变量 $D$ 上进行分割。

2.3 T-学习器 (T-Learner)

为了构建双学习器或T-学习器估计器，我们拟合两个不同的模型，一个用于处理单元，一个用于控制单元。

估计器由两个模型的预测值之差给出。

我们像以前一样使用决策树回归模型，但这次，我们为处理组和对照组拟合了两个独立的决策树。

T_learner(dgp, model, y="revenue", D="premium", X=["age"])

正如我们所看到的，T-学习器比S-学习器更灵活，因为它拟合了两个独立的模型。对照组的响应函数 ${\hat{\mu }}^{(0)}(x)$ 仍然非常准确，而处理组的响应函数 ${\hat{\mu }}^{(1)}(x)$ 比以前更灵活。

现在问题是，我们只使用了部分数据来解决每个预测问题，而S-学习器使用了所有数据。通过拟合两个独立的模型，我们失去了一些信息。此外，通过使用两个不同的模型，我们可能会在没有异质性的时候得到异质性。例如，对于决策树，即使数据生成过程相同，我们也很可能会得到不同样本的不同分割。

2.4 X-学习器 (X-Learner)

交叉学习器或X-学习器估计器是T-学习器估计器的扩展。它以以下方式构建：

1. 与T-学习器一样，分别为 ${\hat{\mu }}^{(1)}(x)$ 和 ${\hat{\mu }}^{(0)}(x)$ 计算独立模型，分别使用处理单元和控制单元。
2. 计算中间 Delta 函数为：

3. 从 $X$ 预测 $\Delta$，从处理单元计算 ${\hat{\tau }}^{(1)}(x)$，从控制单元计算 ${\hat{\tau }}^{(0)}(x)$。

4. 估计 倾向得分，即被处理的概率。

5. 计算处理效应：

为了更好地理解X-学习器的工作原理，我们想像以前一样绘制响应函数。然而，该方法不直接依赖于响应函数。我们仍然可以恢复伪响应函数吗？是的！

首先，我们可以将处理效应重写为：

这样，X-学习器估计的伪响应函数为：

正如我们所看到的，X-学习器将真实值 $Y_i^{(d)}$ 与估计值 ${\hat{\mu }}_i^{(d)}(x)$ 结合起来，通过 倾向得分 $e_i(x)$（即估计的处理概率）进行加权。

这意味着什么？ 这意味着如果对于某些可观测变量，我们可以清楚地将处理组和对照组分开，那么控制响应函数 ${\hat{\mu }}_i^{(d)}$ 将获得大部分权重。相反，如果两组无法区分，实际结果 $Y_i^{(d)}$ 将获得大部分权重。

为了说明该方法，我将通过使用最近邻观测值来近似 $Y_i^{(d)}$，从而构建伪响应函数，使用 KNeighborsRegressor 函数。我通过 逻辑回归 使用 LogisticRegressionCV 函数估计倾向得分。

X_learner(df, model, y="revenue", D="premium", X=["age"])

从这张图我们可以清楚地看到，X-学习器的主要优点是它能根据上下文调整响应函数的灵活性。在状态空间中数据量大的区域（对照组），它主要使用估计的响应函数；在数据量小的区域（处理组），它使用观测值本身。

3 结论

在这篇文章中，我们看到了 Künzel, Sekhon, Bickel, Yu, (2019) 引入的不同估计器，它们利用灵活的机器学习算法来估计异质处理效应。这些估计器在复杂性上有所不同：S-学习器拟合一个单一估计器，将处理指示符作为协变量。T-学习器为处理组和对照组拟合两个独立的估计器。最后，X-学习器是T-学习器的扩展，它允许根据处理组和对照组之间可用数据量的不同，提供不同程度的灵活性。

异质处理效应的估计对于处理目标定位至关重要，这在工业界尤为重要。事实上，这方面的研究正在迅速发展并受到广泛关注。在众多其他论文中，值得一提的是 Nie and Wager (2021) 的R-学习器方法以及 Athey and Wager (2018) 的因果树和森林。我将来可能会写更多关于这些方法的文章，敬请期待 ☺️

4 参考文献

$1$ S. Künzel, J. Sekhon, P. Bickel, B. Yu, Metalearners for estimating heterogeneous treatment effects using machine learning (2019), PNAS.

$2$ X. Nie, S. Wager, Quasi-oracle estimation of heterogeneous treatment effects (2021), Biometrika.

$3$ S. Athey, S. Wager, Estimation and Inference of Heterogeneous Treatment Effects using Random Forests (2018), Journal of the American Statistical Association.

5 代码

您可以在此处找到原始 Jupyter Notebook：
https://github.com/matteocourthoud/Blog-Posts/blob/main/notebooks/meta.ipynb