该存储库包含与A.Elmachtoub、V.Gupta和Y.Zhao的论文“个性化定价的平衡非政策评估”相关的代码。Arxiv链接：https://arxiv.org/abs/2302.12736

我们考虑一个个性化定价问题，其中我们有由特征信息、历史定价决策和二进制已实现需求组成的数据。目标是对将功能映射到价格的新个性化定价策略执行非政策评估。当日志记录策略很少探索或具有确定性时，用于非策略评估的基于反向倾向加权的方法（包括双重鲁棒方法）可能表现不佳，这在定价应用中很常见。基于Kallus（2018）的平衡政策评估框架，我们提出了一种针对定价应用的新方法。关键思想是计算一个估计值，该估计值要么最小化最坏情况下的均方误差，要么ii）最大化政策绩效的最坏情况边界，在这两种情况下，最坏情况都是针对一组可能的收入函数。我们建立了理论收敛保证，并使用实际定价数据集实证证明了我们的方法的优势。

安装下面列出的所需软件包和最新版本的Gurobi优化求解器。

pip安装sklearnpip安装scipypip安装matplotlibpip安装熊猫

以下命令在Nomis数据集上复制实验。

python main.py--Nomis=True--new_policy=0.9python main.py--Nomis=True--new_policy=0.95python main.py--Nomis=True--new_policy=1.05python main.py--Nomis=True--new_policy=1.1

以下命令在合成数据集上复制实验。

python main.py--synthetic_new_policy=2python main.py--synthetic_new_policy=3python main.py--synthetic_new_policy=4