Missingness-MDP: Un Nuovo Quadro per la Pianificazione con Dati Mancanti

I ricercatori hanno recentemente svelato un nuovo tipo di processo decisionale di Markov parzialmente osservabile (POMDP), chiamato missingness-MDP o miss-MDP, che si concentra sulle teorie dei dati mancanti. In questo modello, la funzione di osservazione funge da funzione di mancanza, indicando la probabilità che alcune caratteristiche dello stato non siano visibili. Classificano la mancanza in tre tipi: mancante completamente a caso (MCAR), mancante a caso (MAR) e mancante non a caso (MNAR). Il problema principale è determinare politiche quasi ottimali per un miss-MDP senza conoscere la funzione di mancanza, basandosi su dataset di traiettorie azione-osservazione. Per ottenere garanzie di ottimalità, è fondamentale comprendere la funzione di mancanza, cosa che può essere difficile per i POMDP generali. I risultati sono dettagliati in un articolo su arXiv con ID 2605.12262.