의사결정 지원 시스템의 수행적 효과 평가 및 보정 인과 도메인 이동을 통해

특징 X로부터 목표 변수 Y를 예측할 때, 예측 Y는 수행적일 수 있습니다: 에이전트가 이 예측에 따라 행동할 수 있어, 궁극적으로 관찰하는 Y의 값에 영향을 줄 수 있습니다. 수행적 예측은 알고리즘 의사결정 지원에서 의도적으로 널리 퍼져 있으며, 여기서 의사결정 지원 시스템(DSS)은 에이전트가 목표 변수의 가치를 변경할 수 있도록 예측을 제공합니다. 고위험 환경(예: 의료, 법률, 예측 경찰, 아동 복지 선별)에서 DSS를 배포할 때 DSS의 수행적 효과를 신중하게 평가하는 것이 필수적입니다. DSS가 예측된 부정적인 결과에 대한 경고 역할을 하는 경우, 예측 모델의 순진한 재훈련은 이전 모델의 효과적 작동으로 인해 위험을 과소평가하는 모델을 초래할 수 있습니다. 이 연구에서는 DSS의 배포를 인과 도메인 이동으로 모델링하고, DSS 배포의 사전 및 사후 평가를 가능하게 하며, DSS가 배포되지 않은 기준 정책 하에서 위험을 평가하는 모델의 재훈련을 위한 새로운 교차 도메인 식별 결과를 제공합니다. 실행 예시를 사용하여, 반복 회귀 절차가 샘플 선택 편향 및 선택적 라벨링에 영향을 받더라도 이러한 양을 추정하기 위한 실용적인 프레임워크를 제공함을 실증적으로 보여주며, 다양한 형태의 목표 변수 편향을 위한 실용적이고 통합된 솔루션을 제안합니다.