[发明专利]基于离线数据的策略评估方法及装置

摘要

本发明公开了一种基于离线数据的策略评估方法及装置，其中，该方法包括：获取多个行为组和待评估策略，通过估计每个行为组在待评估策略作用下的数据分布矩以作为目标分布矩；对每个行为组进行加权，并为加权后的每个行为组施加待评估策略；将施加待评估策略后的每个行为组的矩与目标分布矩的差进行最小化，得到一组最小权重，根据最小权重计算加权平均反馈，并通过加权平均反馈对待评估策略进行评估。该方法引入因果推断领域的变量平衡方法，通过对样本直接加权去除原始策略带来的数据分布偏差，用矩的差值来刻画分布的差异，解决了对模型假设的依赖问题。

主权项

1.一种基于离线数据的策略评估方法，其特征在于，包括以下步骤：S1，获取多个行为组和待评估策略，通过估计每个行为组在所述待评估策略作用下的数据分布矩以作为目标分布矩；S2，对所述每个行为组进行加权，并为加权后的每个行为组施加所述待评估策略；S3，将施加所述待评估策略后的每个行为组的矩与所述目标分布矩的差进行最小化，得到一组最小权重，根据所述最小权重计算加权平均反馈，并通过所述加权平均反馈对所述待评估策略进行评估。