WAIC 2022 Hackathon Causal Learning and Decision Optimization Challenge

2022 WAIC 黑客松九章云极赛道-因果学习和决策优化挑战赛

任务和主题

因果学习可以通俗地定义为一个结合了因果推断和机器学习，研究因果关系和回答因果问题的人工智能技术。本次挑战赛以“如何优化干预方案能使因果效应最大”为主题，考察参赛者在基于因果推断策略制定问题上的估计能力。

九章云极DataCanvas公司准备了两份生成数据：train.csv和test.csv. 其中，训练集数据train.csv包括三类列变量：

• 特征列，名为‘V_0’, ‘V_1’等的列：离散和连续特征均有；
• 干预方案列，名为‘treatment’的列：是一个拥有3个值的离散变量。其中，treatment=0视为未施加干预，treatment=1, 2分别视为施加了干预方案1和干预方案2；
• 结果列，名为‘outcome’的例：是一个连续型变量。

测试集数据test.csv 只包含一类特征列变量，移除了‘treatment’ 和 ‘outcome’两列。

数据的生成过程遵从所示因果图。其中，X为treatment, Y 为 outcome，其余字母代表了数据集中的其他变量或变量集合，但不对选手公布。

请注意，数据集在生成过程中有如下假设：

1. 没有未观测到的confounder；
2. SUTVA 即每个个体的outcome不被其他个体的treatment影响；
3. 每个个体采取每个treatment的概率都不为0或1。

选手首先在训练集train.csv上利用不同的因果推断，机器学习和数据处理等手段，估计每个样本在干预方案1和干预方案2下的因果效应。其次，选手需要对test.csv中的新样本也估计得到干预方案1和干预方案2的因果效应。提示：选手可尝试使用因果发现，因果效应识别等辅助手段，使估计的结果更加准确。

比赛数据

比赛使用的数据是生成数据，已进行脱敏处理，是一个没有场景的通用数据集。 其中，训练集（train.csv）的数据量为36188；测试集（test.csv）的数据量为 5000。

结果提交

1. 选手在train.csv中分别估计得出干预方案1，干预方案2的因果效应，记作df_1；例如，若数据格式为pandas.DataFrame, 则其shape应为（train.csv的行数, 2）；
2. 在test.csv中的数据上分别估计得出干预方案1，干预方案2的因果效应，记作 df_2；
3. 将df_2拼接在df_1之后，拼接后的shape为(train.csv的行数+test.csv的行数，2)，一起作为结果文件result.csv输出，表头应为 ‘ce_1’, ’ce_2’。
4. 在天池平台提交结果文件result.csv，查看评分。

评价指标

评估指标是干预方案1的因果效应与真实因果效应之间的normalized RMSE (NRMSE)，加上干预方案2的因果效应与真实因果效应之间NRMSE。NRMSE具体的表达式为：

比赛阶段

1. 报名成功后，参赛队伍通过天池平台下载数据，本地调试代码，在线提交结果。

• 比赛训练集-train.csv；
• 比赛测试集-test.csv；

2. 九章云极DataCanvas公司提供了一个基于因果推断工具YLearn解题的基准示例，帮助选手快速理解赛题，详见论坛置顶的notebook。（选手不限于使用所提供的工具）

• 基准示例-baseline_example

评分规则

1. 以所得score（两个NRMSE之和）为唯一评价指标对选手进行排序，score值越小越好。
2. 评价指标score的排名占最终比赛评比的权重为100%；