본 논문은 비정상 상황 하에서의 의사결정 문제를 다룬다. 기존의 강화학습이나 근본 원인 분석 기반 의사결정 프레임워크는 행동 비용을 고려하지 않거나 인과 메커니즘을 제대로 반영하지 못하는 한계를 지닌다. 이를 해결하기 위해, 논문에서는 반사실적 추론을 이용한 최소 비용 인과 의사결정(MiCCD) 프레임워크를 제안한다. 많은 양의 혼합 이상 현상 데이터에서 반사실적 추론 과정을 식별하고 연속적인 의사결정 공간에서 최적의 개입 상태를 찾는 데 중점을 둔다. 인과 그래프 기반의 대리 모델을 구축하고, 이상 패턴 클러스터링 레이블을 지도 신호로 사용하여 변수 간의 구조적 인과 모델을 근사한다. 이를 바탕으로 반사실적 추정에 기반한 최적화 모델을 구축하고, SLSQP 알고리즘을 사용하여 비용을 고려한 개입 전략을 최적화한다. 합성 및 실제 데이터셋 실험 결과, MiCCD는 F1-score, 비용 효율성, 순위 품질(nDCG@k) 등 여러 지표에서 기존 방법보다 우수한 성능을 보였다.
