資訊導向抽樣

深度分析

因果強盜新進展：資訊導向抽樣與湯普森抽樣處理不可操作變數

本研究針對含有不可直接操控變數的因果強盜問題，提出結合貝氏框架的因果湯普森抽樣與資訊導向抽樣（IDS）演算法。透過將觀測分佈的條件機率表作為未知參數，利用共享的因果機制跨介入更新獎勵預估，並在 IDS 中明確量化蒙特卡羅近似所帶來的額外誤差。