【ICML2024教程】策略机器学习：如何处理“有行为”的数据进行学习

机器学习在越来越多的任务中被用于对人类进行预测。然而，人类并不是传统意义上的输入数据：他们有目标、信念和愿望，并采取行动以促进自身利益。鉴于标准学习方法并非设计用于处理“行为”的输入，一个自然的问题是：在我们知道学习系统将被部署和使用于社会环境中时，我们应该如何设计它们？本教程介绍了策略机器学习——机器学习的一个新兴子领域，旨在为在策略用户行为下的学习开发一个规范的框架。策略机器学习的工作假设很简单：用户有需求，并会采取行动来实现这些需求。令人惊讶的是，这一基本事实在传统的学习框架中难以处理。关键挑战在于用户的行为往往取决于学习到的决策规则本身；因此，策略学习寻求设计能够预见并适应这种响应行为的方法。

策略机器学习提供了一种形式化方法，用于推理策略响应、设计适当的学习目标，并开发在策略环境中学习的实用工具。本教程将综述该新领域的最新和正在进行的研究，展示关键的理论和实证结果，提供实用工具，并讨论开放问题和重大挑战。