叶子节点直接输出uplift值决策树构建流程1. 节点划分在每个树节点上遍历所有特征以及该特征下的所有取值以最大化实验组和对照组之间的转化率差异。2. 增益计算每个节点根据实验组和对照组在该特征下的转化率差异来计算增益。例如某一群体可能在干预下表现出更高的购买率而另一群体则没有显著变化。增益计算公式如下D gain D after _ split ( P T ( Y ) , P C ( Y ) ) − D before _ split ( P T ( Y ) , P C ( Y ) ) D_{\text {gain }}D_{\text {after }\_{\text {split }}}\left(P^T(Y), P^C(Y)\right)-D_{\text {before}\_{\text {split }}}\left(P^T(Y), P^C(Y)\right)Dgain​Dafter_split​(PT(Y),PC(Y))−Dbefore_split​(PT(Y),PC(Y))P T ( Y ) P^T(Y)PT(Y)表示实验组样本中类别Y YY的概率P C ( Y ) P^C(Y)PC(Y)表示对照组样本中类别Y YY的概率D DD表示度量距离可以欧氏距离、KL散度等D after _ split ( P T ( Y ) , P C ( Y ) ) D_{\text {after }\_{\text {split }}}\left(P^T(Y), P^C(Y)\right)Dafter_split​(PT(Y),PC(Y))即为该叶子节点的uplift值一般都是P T ( Y ) − P C ( T ) P^T(Y) - P^C(T)PT(Y)−PC(T)3. 增益预测给定一用户根据该用户的所有特征以及该特征下的所有取值将其分配到某一个叶子节点得到该用户的uplift值。示例参考因果推断笔记——uplift建模、meta元学习、Class Transformation Method八闲聊因果效应5树模型Tree-Based、分类模型The class transformation