反実仮想（起こり得たけど起こらなかったこと）での施策の効果を予測したり、因果を推論したりということのニーズは考えうる。
まずは統計的因果推論から導入して、それらをより機械的に動かす、業務プロセスに埋め込んで自動的に判断させたい、といったときに反実仮想機械学習とかOff-Policy Evaluationとかが出てくる、というのが私の理解。

「反実仮想機械学習」って言葉が魅力的に響くせいか統計的因果推論すら適用してない段階でしたり顔で言うのがいる、、、まぁ自分も説明したり状況を切り分けたりできるほど詳しくなかったので調べたメモを。

概要

という上記3つの記事で恐らくイメージはつかめるはずで、時間があれば以下を読む感じで良さそう。

• 反実仮想機械学習とは何か - Speaker Deck

• Off-Policy Evaluationの基礎とOpen Bandit Dataset & Pipelineの紹介 - Speaker Deck

• off_policy.pdf (washington.edu)

事例

ネット小売とか情報サービス業が多い。たぶんyahooとかもやってるんだろうな、googleは後述するライブラリも出してるし、やってるはず。
取り扱うサービス/商品が多く、IT化も進んでる企業では、人の関与を最小にして、環境変化への対応も含めてなるべく機械化してしまうメリットがあるのかなぁと。まぁそれを実現できる人材がいるのが一番の要諦だけど。

実装

現時点で見つかるだけでも以下のライブラリがある。イチからプログラムを書かなくても良い程度には発展している分野ということなのだろう。

• 【プレスリリース】効果的なA/Bテストのためのオフライン評価性能検証指標の新規提案－学習・評価・検証を行うオープンソースソフトウェアを無償公開－ | 日本の研究.com (research-er.jp)

• GitHub - google/CausalImpact: An R package for causal inference in time series

あとは必要なら以下のリンクから詳細情報をたどる。

• 私のブックマーク「反実仮想機械学習」（Counterfactual Machine Learning, CFML） – 人工知能学会 (The Japanese Society for Artificial Intelligence) (ai-gakkai.or.jp)

• Vol.31.No.5(2016/9)多腕バンディット問題 – 人工知能学会 (The Japanese Society for Artificial Intelligence) (ai-gakkai.or.jp)

他の情報を見たい方は、目次ページへ
仕切り直しで収集情報の整理から｜くすぐったがり｜note