5.1 实验准则

 

 人工智能之强化学习 

 

在本节中，文章提供相关的实验信息，包括实验中常用的可用数据集，以及前两节中提到的方法的开源代码。

---

 

5.1可用数据集

5.1.1第3节的数据集。

由于永远无法观察到反事实的结果，因此很难找到完全满足实验要求的数据集，即它是具有地面真实性ATE（或ITE）的观察性数据集。文献中使用的数据集通常是半合成数据集。

某些数据集（例如IHDP数据集）是由随机数据集按照一定的生成过程生成其观测结果，并去除一个有偏子集来模拟观测数据集中的选择偏倚而得到的。

一些数据集（例如Jobs数据集）将随机化数据集和观测控制数据集组合在一起以创建选择偏差。可用基准数据集的详细信息如下。

---

IHDP。该数据集是常用的基准数据集。 

该数据集是根据婴儿健康与发展计划[进行的随机对照实验生成的，其目标人群是低出生体重的早产儿。 

治疗前协变量是25个变量，用于测量有关儿童及其母亲的方面，例如出生体重，头围，新生儿健康指数，产前保健，母亲的年龄，教育程度，药物，酒精等。婴儿都接受了强化高质量的育儿和专科上门服务。 

结果是婴儿的认知测验得分，可以通过NPCI软件包1进行模拟。此外，需要去除治疗组的偏倚亚组以模拟选择偏倚。IHDP数据集的示例，其结果通过NPCI的“ A”设置进行模拟软件包可以从http://www.mit.edu/~fredrikj/files/ihdp_100.tar.gz下载。

---

就业情况。观察性研究中使用jobs数据集是Lalonde实验数据和PSID比较组的组合。 

Lalonde和PSID数据集都可以从NBER网站上下载。治疗前的协变量是8个变量，例如年龄，教育程度ÿ