Variance Reduction In Online Controlled Experiments

Lühendatud kirje lehekülg
dc.contributor.advisorBentes, Carlos, juhendaja
dc.contributor.advisorSügis, Elena, juhendaja
dc.contributor.authorTadele, Bazen Teklehaymanot
dc.contributor.otherTartu Ülikool. Loodus- ja täppisteaduste valdkondet
dc.contributor.otherTartu Ülikool. Arvutiteaduse instituutet
dc.date.accessioned2025-10-20T09:11:34Z
dc.date.available2025-10-20T09:11:34Z
dc.date.issued2025
dc.description.abstractVeebipõhised kontrollitud katsed aitavad kindlaks teha põhjuslikke seoseid, jagades osalejad juhuslikult test- ja kontrollrühmadesse. Siiski võib katseandmete suur hajuvus katse mõjusid varjutada. Hajuvuse vähendamise tehnikad leevendavad seda probleemi, suurendades katse tundlikkust ning vähendades vajaliku valimi suurust ja katse kestust. Sageli ei suuda traditsioonilised hajuvuse vähendamise meetodid hajuvust tõhusalt vähendada, kuna need ei võta täielikult arvesse osalisi korrelatsioone mitme kovariandi ja ärimõõdikute vahel. Selles uurimistöös rakendame masinõppel põhinevaid hajuvuse vähendamise tehnikaid Eesti rahvusvahelise mobiilsusettevõtte Bolt Technology OÜ sisekasutuses oleval testimisplatvormil. Näitame, et sellised meetodid vähendavad katsemõõdikute hajuvust kuni 51,2% ja töötavad senistest ettevõttes kasutatud meetoditest 6% võrra paremini. Meie tulemused näitavad, et masinõppel põhinevad meetodid suudavad tõhusalt ületada traditsiooniliste meetodite piirangud, vähendades oluliselt hajuvust sõidujagamise valdkonna kontrollitud katsetes.
dc.identifier.urihttps://hdl.handle.net/10062/116884
dc.language.isoen
dc.publisherTartu Ülikoolet
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectVariance reduction
dc.subjectMachine Learning
dc.subjectOnline Controlled Experiments
dc.subjectHajuvuse vähendamine
dc.subjectmasinõpe
dc.subjectveebipõhised kontrollitud katsetused
dc.subject.othermagistritöödet
dc.subject.otherinformaatikaet
dc.subject.otherinfotehnoloogiaet
dc.subject.otherinformaticsen
dc.subject.otherinfotechnologyen
dc.titleVariance Reduction In Online Controlled Experiments
dc.typeThesisen

Failid

Originaal pakett

Nüüd näidatakse 1 - 1 1
Pisipilt
Nimi:
Tadele_Computer Science_2025.pdf
Suurus:
2.32 MB
Formaat:
Adobe Portable Document Format
Lae alla

Kollektsioonid

LTAT magistritööd – Master's theses