Buchumschlag

A finite sample analysis of the benign overfitting phenomenon for ridge function estimation

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Caron, Emmanuel, Chretien, Stephane
Format:	Preprint
Veröffentlicht:	2020
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Detecting malignant dynamics on very few blood sample using signature coefficients
von: Vaucher, Rémi, et al.
Veröffentlicht: (2025)

Time topological analysis of EEG using signature theory
von: Chrétien, Stéphane, et al.
Veröffentlicht: (2024)

Conformal Online Learning of Deep Koopman Linear Embeddings
von: Gao, Ben, et al.
Veröffentlicht: (2025)

Be aware of overfitting by hyperparameter optimization!
von: Tetko, Igor V., et al.
Veröffentlicht: (2024)

Data-driven transport modelling without overfit
von: Vanya, Peter, et al.
Veröffentlicht: (2026)

Understanding overfitting in random forest for probability estimation: a visualization and simulation study
von: Barreñada, Lasai, et al.
Veröffentlicht: (2024)

On robust overfitting: adversarial training induced distribution matters
von: Tian, Runzhi, et al.
Veröffentlicht: (2023)

A statistical theory of overfitting for imbalanced classification
von: Lyu, Jingyang, et al.
Veröffentlicht: (2025)

Preventing overfitting in deep learning using differential privacy
von: Khatri, Alizishaan Anwar Hussein
Veröffentlicht: (2026)

The temporal overfitting problem with applications in wind power curve modeling
von: Prakash, Abhinav, et al.
Veröffentlicht: (2020)

Benign overfitting in leaky ReLU networks with moderate input dimension
von: Karhadkar, Kedar, et al.
Veröffentlicht: (2024)

Can overfitted deep neural networks in adversarial training generalize? -- An approximation viewpoint
von: Shi, Zhongjie, et al.
Veröffentlicht: (2024)

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

LARA: A Light and Anti-overfitting Retraining Approach for Unsupervised Time Series Anomaly Detection
von: Chen, Feiyi, et al.
Veröffentlicht: (2023)

Efficient local linearity regularization to overcome catastrophic overfitting
von: Rocamora, Elias Abad, et al.
Veröffentlicht: (2024)

Robustly overfitting latents for flexible neural image compression
von: Perugachi-Diaz, Yura, et al.
Veröffentlicht: (2024)

SigBERT: Combining Narrative Medical Reports and Rough Path Signature Theory for Survival Risk Estimation in Oncology
von: Minchella, Paul, et al.
Veröffentlicht: (2025)

A theoretical framework for overfitting in energy-based modeling
von: Catania, Giovanni, et al.
Veröffentlicht: (2025)

Mind the spikes: Benign overfitting of kernels and neural networks in fixed dimension
von: Haas, Moritz, et al.
Veröffentlicht: (2023)

Generalisation and benign over-fitting for linear regression onto random functional covariates
von: Jones, Andrew, et al.
Veröffentlicht: (2025)

Why you don't overfit, and don't need Bayes if you only train for one epoch
von: Aitchison, Laurence
Veröffentlicht: (2024)

A unified construction for series representations and finite approximations of completely random measures
von: Lee, Juho, et al.
Veröffentlicht: (2019)

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

Open-source framework for detecting bias and overfitting for large pathology images
von: Sildnes, Anders, et al.
Veröffentlicht: (2025)

Detecting overfitting in Neural Networks during long-horizon grokking using Random Matrix Theory
von: Prakash, Hari K., et al.
Veröffentlicht: (2026)

Regularization, early-stopping and dreaming: a Hopfield-like setup to address generalization and overfitting
von: Agliari, Elena, et al.
Veröffentlicht: (2023)

Uniform convergence for Gaussian kernel ridge regression
von: Dommel, Paul, et al.
Veröffentlicht: (2025)

Nesterov acceleration in benignly non-convex landscapes
von: Gupta, Kanan, et al.
Veröffentlicht: (2024)

An overview of condensation phenomenon in deep learning
von: Xu, Zhi-Qin John, et al.
Veröffentlicht: (2025)

Benign overfitting in Fixed Dimension via Physics-Informed Learning with Smooth Inductive Bias
von: Wong, Honam, et al.
Veröffentlicht: (2024)

Analysis of Nystrom method with sequential ridge leverage scores
von: Calandriello, Daniele, et al.
Veröffentlicht: (2026)

Risk and cross validation in ridge regression with correlated samples
von: Atanasov, Alexander, et al.
Veröffentlicht: (2024)

Optimal ridge penalty for real-world high-dimensional data can be zero or negative due to the implicit ridge regularization
von: Kobak, Dmitry, et al.
Veröffentlicht: (2018)

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

Shapley meets Rawls: an integrated framework for measuring and explaining unfairness
von: Amri-Jouidel, Fadoua, et al.
Veröffentlicht: (2026)

Finite sample bounds for barycenter estimation in geodesic spaces
von: Brunel, Victor-Emmanuel, et al.
Veröffentlicht: (2025)

Kernel ridge regression under power-law data: spectrum and generalization
von: Wortsman, Arie, et al.
Veröffentlicht: (2025)

Pack only the essentials: Adaptive dictionary learning for kernel ridge regression
von: Calandriello, Daniele, et al.
Veröffentlicht: (2026)

Improved large-scale graph learning through ridge spectral sparsification
von: Calandriello, Daniele, et al.
Veröffentlicht: (2026)

Bayesian implementation of Targeted Maximum Likelihood Estimation for uncertainty quantification in causal effect estimation
von: Nannapaneni, Saideep, et al.
Veröffentlicht: (2025)