学习对未观测混杂因子稳健的风险分数

论文提出一种基于逆概率加权（IPW）和Wasserstein分布鲁棒优化的风险分数学习方法，使其对未观测混杂因子具有稳健性。 该方法通过处理不确定性集和构建样本近似，将优化问题重构为指数锥规划，兼容现成求解器。 在半合成数据上，该方法较传统基准校准度提升最多29.2%，较当前最优方法提升11.1%。