政策树：基于双重稳健经验福利最大化的政策学习在树上

通过双重稳健的经验学习最优政策树上的福利最大化。考虑到双重稳健的回报估计，此套餐查找基于规则的治疗处方策略，其中策略的形式为全局（或接近）最优的浅决策树。

版本：	1.2.3
取决于：	R（≥3.5.0）
进口：	卢比,玻璃纤维(≥ 2.0.0)
链接到：	卢比,伯克希尔哈撒韦
建议：	测试那个(≥ 3.0.4),图R
出版：	2024-06-13
内政部：	10.32614/CRAN.包装.政策树
作者：	埃里克·斯维尔德鲁普[aut，cre]，Ayush Kanodia【aut】，周正源[aut]，苏珊·阿西奥，斯特凡·瓦格
维护人员：	埃里克·斯维尔德鲁普（Erik Sverdrup）<Erik.Sverdrup at monash.edu>
错误报告：	https://github.com/grf-labs/policytree/inquestions（https://github.com/grf-labs/policytree/inquestions）
许可证：	麻省理工学院+文件许可证
网址：	https://github.com/grf-labs/policytree网站
需要编译：	对
CRAN检查：	策略树结果

文档：

参考手册：

策略树.pdf

下载内容：

包源：	策略树_1.2.3.tar.gz
Windows二进制文件：	r-devel公司：策略树_1.2.3.zip，r版本：策略树_1.2.3.zip，r-oldrel：策略树_1.2.3.zip
macOS二进制文件：	r释放（arm64）：策略树_1.2.3.tgz，r-oldrel（arm64）：策略树_1.2.3.tgz，r-release（x86_64）：策略树_1.2.3.tgz，r-oldrel（x86_64）：策略树_1.2.3.tgz
旧来源：	策略树存档

反向依赖关系：

反向进口：

埃皮福斯克,民意测验

链接：

请使用规范形式https://CRAN.R-project.org/package=策略树链接到此页面。