Copertina

Agnostic Sample Compression Schemes for Regression

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Attias, Idan, Hanneke, Steve, Kontorovich, Aryeh, Sadigurschi, Menachem
Natura:	Preprint
Pubblicazione:	2018
Soggetti:	Machine Learning Information Theory Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Efficient Agnostic Learning with Average Smoothness
di: Hanneke, Steve, et al.
Pubblicazione: (2023)

Realizable Bayes-Consistency for General Metric Losses
di: Cohen, Dan Tsir, et al.
Pubblicazione: (2026)

Distribution Estimation under the Infinity Norm
di: Kontorovich, Aryeh, et al.
Pubblicazione: (2024)

Sharp bounds on aggregate expert error
di: Kontorovich, Aryeh, et al.
Pubblicazione: (2024)

A Theory of Universal Agnostic Learning
di: Hanneke, Steve, et al.
Pubblicazione: (2026)

Sample Compression Scheme Reductions
di: Attias, Idan, et al.
Pubblicazione: (2024)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
di: Kontorovich, Aryeh, et al.
Pubblicazione: (2026)

The Empirical Mean is Minimax Optimal for Local Glivenko-Cantelli
di: Cohen, Doron, et al.
Pubblicazione: (2024)

Adaptive Sample Aggregation In Transfer Learning
di: Hanneke, Steve, et al.
Pubblicazione: (2024)

Revisiting Agnostic PAC Learning
di: Hanneke, Steve, et al.
Pubblicazione: (2024)

Sparse Max-Affine Regression
di: Kanj, Haitham, et al.
Pubblicazione: (2024)

Max-Linear Regression by Convex Programming
di: Kim, Seonho, et al.
Pubblicazione: (2021)

Mixed Regression via Approximate Message Passing
di: Tan, Nelvin, et al.
Pubblicazione: (2023)

Regret-Oracle Complexity Tradeoffs in Agnostic Online Learning
di: Attias, Idan, et al.
Pubblicazione: (2026)

Batches Stabilize the Minimum Norm Risk in High Dimensional Overparameterized Linear Regression
di: Ioushua, Shahar Stein, et al.
Pubblicazione: (2023)

Minimax-Optimal Reward-Agnostic Exploration in Reinforcement Learning
di: Li, Gen, et al.
Pubblicazione: (2023)

Breaking the Finite-Sample Barrier in Entropy Coupling
di: Asoodeh, Shahab, et al.
Pubblicazione: (2026)

The Sample Complexity of Simple Binary Hypothesis Testing
di: Pensia, Ankit, et al.
Pubblicazione: (2024)

On the Sample Complexity of Robust Binary Hypothesis Testing
di: Vallinayagam, Shankar, et al.
Pubblicazione: (2026)

Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees
di: Dmitriev, Daniil, et al.
Pubblicazione: (2026)

Sample efficient inductive matrix completion with noise and inexact side information
di: Yang, Yuepeng, et al.
Pubblicazione: (2026)

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

Distributed Nonparametric Estimation: from Sparse to Dense Samples per Terminal
di: Yuan, Deheng, et al.
Pubblicazione: (2025)

Breaking AR's Sampling Bottleneck: Provable Acceleration via Diffusion Language Models
di: Li, Gen, et al.
Pubblicazione: (2025)

The Sample Complexity of Distributed Simple Binary Hypothesis Testing under Information Constraints
di: Kazemi, Hadi, et al.
Pubblicazione: (2025)

PAC Learning with Bandit Feedback: Sharp Sample Complexity in the Realizable Setting
di: Hanneke, Steve, et al.
Pubblicazione: (2026)

Characterizing Dependence of Samples along the Langevin Dynamics and Algorithms via Contraction of $Φ$-Mutual Information
di: Liang, Jiaming, et al.
Pubblicazione: (2024)

Spectrum-Aware Debiasing: A Modern Inference Framework with Applications to Principal Components Regression
di: Li, Yufan, et al.
Pubblicazione: (2023)

Adversarially Robust PAC Learnability of Real-Valued Functions
di: Attias, Idan, et al.
Pubblicazione: (2022)

Graph Attention Network for Node Regression on Random Geometric Graphs with Erdős--Rényi contamination
di: Laha, Somak, et al.
Pubblicazione: (2026)

The Thermodynamic Costs of Simple Linear Regression
di: D'Ambrosia, Samuel H., et al.
Pubblicazione: (2026)

Shuffled Linear Regression via Spectral Matching
di: Liu, Hang, et al.
Pubblicazione: (2024)

Sample Complexity of Composite Quantum Hypothesis Testing
di: Simpson, Jacob Paul, et al.
Pubblicazione: (2026)

Settling the Sample Complexity of Model-Based Offline Reinforcement Learning
di: Li, Gen, et al.
Pubblicazione: (2022)

Is Q-Learning Minimax Optimal? A Tight Sample Complexity Analysis
di: Li, Gen, et al.
Pubblicazione: (2021)

Breaking the Sample Size Barrier in Model-Based Reinforcement Learning with a Generative Model
di: Li, Gen, et al.
Pubblicazione: (2020)

On the Statistical Complexity of Sample Amplification
di: Axelrod, Brian, et al.
Pubblicazione: (2022)

Information-Geometric Decomposition of Generalization Error in Unsupervised Learning
di: Kim, Gilhan
Pubblicazione: (2026)

Fine-Grained Uncertainty Quantification via Collisions
di: Friedbaum, Jesse, et al.
Pubblicazione: (2024)

Statistical-Computational Trade-offs in Tensor PCA and Related Problems via Communication Complexity
di: Dudeja, Rishabh, et al.
Pubblicazione: (2022)