无线网络反事实 KPI 评估：兼顾隐性混杂的共形推断方法

共形反事实推断（Conformal counterfactual inference）使网络运营商能够利用记录的遥测数据，可靠地回答关于网络运行的“假设性”（what-if）问题。这些答案通常表现为预测集的形式，该预测集以用户设定的概率包含在采取备选控制动作下本应观察到的关键性能指标（KPI）。一个关键的挑战在于，记录的遥测数据可能会遗漏控制器所使用的变量，从而导致隐藏混杂，并使反事实分析的统计保证失效。原则上，该问题可以通过使用随机化遥测数据来解决，这类数据是通过独立于网络状态分配控制动作而采集的。然而，由于这种随机化可能会干扰正常运行，随机化遥测数据通常十分稀缺，导致仅基于该数据进行的反事实分析会产生缺乏信息价值的预测集。为了应对这些挑战，我们提出了混杂有效反事实共形推断（Confounding-Valid Counterfactual Conformal Inference，简称 CV-CCI），该方法通过通用合成驱动推断（General Synthetic-Powered Inference，简称 GESPI）准则，将大量存在潜在混杂的观测遥测数据与有限的随机化数据相结合。CV-CCI 利用观测数据来提高效率，同时利用随机化数据在存在任意隐藏混杂的情况下保留有限样本覆盖保证。在两个具有代表性的无线接入网（RAN）控制任务上的实验表明，CV-CCI 在隐藏混杂下依然有效，同时比最先进的混杂有效基线方法能够生成更高效的预测集。