Buchumschlag

Optimal ridge penalty for real-world high-dimensional data can be zero or negative due to the implicit ridge regularization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kobak, Dmitry, Lomond, Jonathan, Sanchez, Benoit
Format:	Preprint
Veröffentlicht:	2018
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

High-dimensional analysis of ridge regression for non-identically distributed data with a variance profile
von: Bigot, Jérémie, et al.
Veröffentlicht: (2024)

High-dimensional ridge regression with random features for non-identically distributed data with a variance profile
von: Dabo, Issa-Mbenard, et al.
Veröffentlicht: (2025)

Asymptotically free sketched ridge ensembles: Risks, cross-validation, and tuning
von: Patil, Pratik, et al.
Veröffentlicht: (2023)

Algorithms for ridge estimation with convergence guarantees
von: Qiao, Wanli, et al.
Veröffentlicht: (2021)

Precise analysis of ridge interpolators under heavy correlations -- a Random Duality Theory view
von: Stojnic, Mihailo
Veröffentlicht: (2024)

Dimension free ridge regression
von: Cheng, Chen, et al.
Veröffentlicht: (2022)

Optimal ridge regularization revisited
von: Timmermans, Jack, et al.
Veröffentlicht: (2026)

High-dimensional logistic regression with missing data: Imputation, regularization, and universality
von: Verchand, Kabir Aladin, et al.
Veröffentlicht: (2024)

Comparing regularisation paths of (conjugate) gradient estimators in ridge regression
von: Hucker, Laura, et al.
Veröffentlicht: (2025)

Series ridge regression for spatial data on $\mathbb{R}^d$
von: Kurisu, Daisuke, et al.
Veröffentlicht: (2024)

Consistent support recovery for high-dimensional diffusions
von: Marushkevych, Dmytro, et al.
Veröffentlicht: (2025)

Support estimation in high-dimensional heteroscedastic mean regression
von: Hermann, Philipp, et al.
Veröffentlicht: (2020)

Addressing pitfalls in implicit unobserved confounding synthesis using explicit block hierarchical ancestral sampling
von: Sun, Xudong, et al.
Veröffentlicht: (2025)

Sliced gradient-enhanced Kriging for high-dimensional function approximation
von: Cheng, Kai, et al.
Veröffentlicht: (2022)

Minimax optimal transfer learning for high-dimensional additive regression
von: Moon, Seung Hyun
Veröffentlicht: (2025)

Plugin Estimation of Smooth Optimal Transport Maps
von: Manole, Tudor, et al.
Veröffentlicht: (2021)

Parametric Mean-Field empirical Bayes in high-dimensional linear regression
von: Lee, Seunghyun, et al.
Veröffentlicht: (2026)

A sparse PAC-Bayesian approach for high-dimensional quantile prediction
von: Mai, The Tien
Veröffentlicht: (2024)

Testing for correlation between network structure and high-dimensional node covariates
von: Fuchs-Kreiss, Alexander, et al.
Veröffentlicht: (2025)

Sequential 1-bit Mean Estimation with Near-Optimal Sample Complexity
von: Lau, Ivan, et al.
Veröffentlicht: (2025)

Order-Optimal Sequential 1-Bit Mean Estimation in General Tail Regimes
von: Lau, Ivan, et al.
Veröffentlicht: (2026)

Bayes optimal learning in high-dimensional linear regression with network side information
von: Nandy, Sagnik, et al.
Veröffentlicht: (2023)

Meta-Learning with Generalized Ridge Regression: High-dimensional Asymptotics, Optimality and Hyper-covariance Estimation
von: Jin, Yanhao, et al.
Veröffentlicht: (2024)

Reflected diffusion models adapt to low-dimensional data
von: Holk, Asbjørn, et al.
Veröffentlicht: (2026)

Concentration of a sparse Bayesian model with Horseshoe prior in estimating high-dimensional precision matrix
von: Mai, The Tien
Veröffentlicht: (2024)

Sublinear iterations can suffice even for DDPMs
von: Zhang, Matthew S., et al.
Veröffentlicht: (2025)

A variational Bayes approach to debiased inference for low-dimensional parameters in high-dimensional linear regression
von: Castillo, Ismaël, et al.
Veröffentlicht: (2024)

Universality of high-dimensional scaling limits of stochastic gradient descent
von: Gheissari, Reza, et al.
Veröffentlicht: (2025)

Probably approximately correct high-dimensional causal effect estimation given a valid adjustment set
von: Choo, Davin, et al.
Veröffentlicht: (2024)

Analysis of a multi-target linear shrinkage covariance estimator
von: Oriol, Benoit
Veröffentlicht: (2024)

Asymptotic spectrum of weighted sample covariance: another proof of spectrum convergence
von: Oriol, Benoit
Veröffentlicht: (2024)

Optimal Sparse Singular Value Decomposition for High-dimensional High-order Data
von: Zhang, Anru, et al.
Veröffentlicht: (2018)

Regularization can make diffusion models more efficient
von: Taheri, Mahsa, et al.
Veröffentlicht: (2025)

Adaptive posterior concentration rates for sparse high-dimensional linear regression with random design and unknown error variance
von: Mai, The Tien
Veröffentlicht: (2024)

Scalability of Metropolis-within-Gibbs schemes for high-dimensional Bayesian models
von: Ascolani, Filippo, et al.
Veröffentlicht: (2024)

Ledoit-Wolf linear shrinkage with unknown mean
von: Oriol, Benoit, et al.
Veröffentlicht: (2023)

Conjugate gradient methods for high-dimensional GLMMs
von: Pandolfi, Andrea, et al.
Veröffentlicht: (2024)

Fast data inversion for high-dimensional dynamical systems from noisy measurements
von: Lin, Yizi, et al.
Veröffentlicht: (2025)

Tractability from overparametrization: The example of the negative perceptron
von: Montanari, Andrea, et al.
Veröffentlicht: (2021)

Statistical analysis of Inverse Entropy-regularized Reinforcement Learning
von: Belomestny, Denis, et al.
Veröffentlicht: (2025)