Copertina

On Linear Separability under Linear Compression with Applications to Hard Support Vector Machine

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	McVay, Paul, Liu, Tie, Narayanan, Krishna
Natura:	Preprint
Pubblicazione:	2022
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On Linear Separation Capacity of Self-Supervised Representation Learning
di: Wang, Shulei
Pubblicazione: (2023)

Elite-Driven Support Vector Machines for Classification
di: Jozani, Mohammad Jafari, et al.
Pubblicazione: (2026)

Minimax Linear Regression under the Quantile Risk
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2024)

Double Descent and Overfitting under Noisy Inputs and Distribution Shift for Linear Denoisers
di: Kausik, Chinmaya, et al.
Pubblicazione: (2023)

Support Vector Regression: Risk Quadrangle Framework
di: Malandii, Anton, et al.
Pubblicazione: (2022)

Sparse Linear Regression is Easy on Random Supports
di: Chandrasekaran, Gautam, et al.
Pubblicazione: (2025)

Optimal Batched Linear Bandits
di: Ren, Xuanfei, et al.
Pubblicazione: (2024)

On the Interpolation Error of Nonlinear Attention versus Linear Regression
di: Liao, Zhenyu, et al.
Pubblicazione: (2025)

Benign Overfitting without Linearity: Neural Network Classifiers Trained by Gradient Descent for Noisy Linear Data
di: Frei, Spencer, et al.
Pubblicazione: (2022)

$L^1$ Estimation: On the Optimality of Linear Estimators
di: Barnes, Leighton P., et al.
Pubblicazione: (2023)

Bivariate Matrix-valued Linear Regression (BMLR): Finite-sample performance under Identifiability and Sparsity Assumptions
di: Bettache, Nayel
Pubblicazione: (2024)

Minimax Rate-Optimal Algorithms for High-Dimensional Stochastic Linear Bandits
di: Liu, Jingyu, et al.
Pubblicazione: (2025)

Linear Regression under Missing or Corrupted Coordinates
di: Diakonikolas, Ilias, et al.
Pubblicazione: (2025)

Truncated LinUCB for Stochastic Linear Bandits
di: Song, Yanglei, et al.
Pubblicazione: (2022)

Functional Linear Regression of Cumulative Distribution Functions
di: Zhang, Qian, et al.
Pubblicazione: (2022)

Understanding Learning Invariance in Deep Linear Networks
di: Duan, Hao, et al.
Pubblicazione: (2025)

Testing the Feasibility of Linear Programs with Bandit Feedback
di: Gangrade, Aditya, et al.
Pubblicazione: (2024)

Handling Covariate Mismatch in Federated Linear Prediction
di: Ayme, Alexis, et al.
Pubblicazione: (2026)

Online and Offline Robust Multivariate Linear Regression
di: Godichon-Baggioni, Antoine, et al.
Pubblicazione: (2024)

Linear Response Estimators for Singular Statistical Models
di: Elliott, Chris, et al.
Pubblicazione: (2026)

BELIEF in Dependence: Leveraging Atomic Linearity in Data Bits for Rethinking Generalized Linear Models
di: Brown, Benjamin, et al.
Pubblicazione: (2022)

Susceptibilities and Patterning: A Primer on Linear Response in Bayesian Learning
di: Elliott, Chris, et al.
Pubblicazione: (2026)

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

Navigating Sparsities in High-Dimensional Linear Contextual Bandits
di: Zhao, Rui, et al.
Pubblicazione: (2025)

Generator Identification for Linear SDEs with Additive and Multiplicative Noise
di: Wang, Yuanyuan, et al.
Pubblicazione: (2023)

Linear Convergence of Diffusion Models Under the Manifold Hypothesis
di: Potaptchik, Peter, et al.
Pubblicazione: (2024)

Benign Overfitting in Time Series Linear Models with Over-Parameterization
di: Nakakita, Shogo, et al.
Pubblicazione: (2022)

Confidence Sequences for Generalized Linear Models via Regret Analysis
di: Clerico, Eugenio, et al.
Pubblicazione: (2025)

Improved Scaling Laws in Linear Regression via Data Reuse
di: Lin, Licong, et al.
Pubblicazione: (2025)

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
di: Kim, Yeichan, et al.
Pubblicazione: (2025)

Asymptotics of Random Feature Regression Beyond the Linear Scaling Regime
di: Hu, Hong, et al.
Pubblicazione: (2024)

Self-Normalized Martingales and Uniform Regret Bounds for Linear Regression
di: Chen, Fan, et al.
Pubblicazione: (2026)

Dropout Regularization Versus $\ell_2$-Penalization in the Linear Model
di: Clara, Gabriel, et al.
Pubblicazione: (2023)

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression
di: Wegel, Tobias, et al.
Pubblicazione: (2025)

Unveiling the Cycloid Trajectory of EM Iterations in Mixed Linear Regression
di: Luo, Zhankun, et al.
Pubblicazione: (2024)

Training Diagonal Linear Networks with Stochastic Sharpness-Aware Minimization
di: Clara, Gabriel, et al.
Pubblicazione: (2025)

FLIPHAT: Joint Differential Privacy for High Dimensional Sparse Linear Bandits
di: Chakraborty, Sunrit, et al.
Pubblicazione: (2024)

Belted and Ensembled Neural Network for Linear and Nonlinear Sufficient Dimension Reduction
di: Tang, Yin, et al.
Pubblicazione: (2024)

Sample Complexity of Offline Distributionally Robust Linear Markov Decision Processes
di: Wang, He, et al.
Pubblicazione: (2024)

Learning Linear Polytree Structural Equation Models
di: Lou, Xingmei, et al.
Pubblicazione: (2021)