note

• On Nie and Wager(2021)

논문을 제대로 훑어봄. 참 부끄러운 얘긴데 이제야 이 논문의 핵심을 좀 알 것 같다. 기존에는 그냥 semi-parameteric setting으로의 확장이 메인 advantage라고 생각을 했는데 지금 보니 크게 세 가지의 advantage에 대해서 말하고 있다:

(1) semi-parameteric setting으로의 확장

(2) k-fold estimate의 과정에서, 각 단계마다 다른 러닝 방법들을 ‘stack’할 수 있음; m이나 g에 대한 estimate와 헷갈리지 말아야한다. 얘네들은 이미 각 단계에 ‘주어져있다고’(oracle) 가정이 된거고 그 상황에서 tau를 estimate할 때, 각 fold에 대해 다른 estimate들을 최종적으로 combine할 수 있다는 것(캬 아이디어 개멋지네)

(3) 그리고 추가적으로 kernel methods에 대해서(그러니까 RKHS같은 것들에 대해서)의 특정 조건 아래에서 (예를 들어 almost surely bounded된 outcomes) 좋은 performances.

오.. 생각하던 것보다 훠얼씬 멋진 논문이었다.

(4) 한편으론 B-learner라는 것도 알게 됐는데(Oprescu et al.(2023)) 이건 보니까 bound estimate에 대한 특정 결과인듯. 나중에 자세히 읽어봐야지…