这一句有客人可容易 (第5/5页)

唐伯虎点李逵提示您：看后求收藏（皮皮书吧pipi180.com），接着再看更方便。

该模型的期望输出分为四种（AtE\/Att\/cAtE\/ItE），可根据业务需求选择。对于for单个研究对象的反事实推断，模型的目标是计算每一个样本i的因果效应，即 = (t=1)? (t=0)。以3.3服药和康复的case为例，t = 是否服药，Y = 是否康复。我们知道，一个人是无法同时观测到吃药和不吃药对康复的影响，Scm也无法推测服药对某个用户的价值。而Rcm则会根据数据形态（即用户属性、历史表现以及混淆因子“年龄”等）预测实际未发生的行为将产生的结果，从而推断出ItE。同理可得出AtE、Att、cAtE。

因为业界很多时候关注的是单个treatment因子的价值，所以Rcm往往是业界的首选。

2.5.1 基本假设

Rcm存在如下3个基本假设[18]：

稳定单元干预值假设（Stable Unit treatment Value Assumption, SUtVA）：任意单元的潜在结果都不会因为其他单元的干预发生改变而改变，且对于每个单元，其所接受的每种干预不存在不同的形式或版本，也不会导致不同的潜在结果。以吃药康复的例子解释这里的两层含义，其一是你吃不吃药不影响我是否康复；其二是每种干预是唯一的，吃药不存在吃很多、吃很少的情况，统一药量，要考虑药量就要设置不同的干预值（即此时干预变量不能只是0和1）