Buchumschlag

The Contextual Lasso: Sparse Linear Models via Deep Neural Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thompson, Ryan, Dezfouli, Amir, Kohn, Robert
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Methodology
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Statistically Efficient Bayesian Sequential Experiment Design via Reinforcement Learning with Cross-Entropy Estimators
von: Blau, Tom, et al.
Veröffentlicht: (2023)

Optimal Multitask Linear Regression and Contextual Bandits under Sparse Heterogeneity
von: Huang, Xinmeng, et al.
Veröffentlicht: (2023)

SMART Fine-tuning Factor Augmented Neural Lasso
von: Chai, Jinhang, et al.
Veröffentlicht: (2026)

Scalable Subset Selection in Linear Mixed Models
von: Thompson, Ryan, et al.
Veröffentlicht: (2025)

Accept-Reject Lasso
von: Liu, Yanxin, et al.
Veröffentlicht: (2025)

Identifiable Deep Generative Models via Sparse Decoding
von: Moran, Gemma E., et al.
Veröffentlicht: (2021)

Linear Contextual Bandits with Interference
von: Xu, Yang, et al.
Veröffentlicht: (2024)

Optimal Cross-Validation for Sparse Linear Regression
von: Cory-Wright, Ryan, et al.
Veröffentlicht: (2023)

Contextual Linear Optimization with Partial Feedback
von: Hu, Yichun, et al.
Veröffentlicht: (2024)

A Stable Lasso
von: Nouraie, Mahdi, et al.
Veröffentlicht: (2025)

A cost-sensitive constrained Lasso
von: Blanquero, Rafael, et al.
Veröffentlicht: (2024)

Adaptive Lasso, Transfer Lasso, and Beyond: An Asymptotic Perspective
von: Takada, Masaaki, et al.
Veröffentlicht: (2023)

Attack-Resistant Uniform Fairness for Linear and Smooth Contextual Bandits
von: Zhang, Qingwen, et al.
Veröffentlicht: (2026)

Group selection and shrinkage: Structured sparsity for semiparametric additive models
von: Thompson, Ryan, et al.
Veröffentlicht: (2021)

Autotune: fast, accurate, and automatic tuning parameter selection for Lasso
von: Sadhukhan, Tathagata, et al.
Veröffentlicht: (2025)

Contextual Directed Acyclic Graphs
von: Thompson, Ryan, et al.
Veröffentlicht: (2023)

Heavy Lasso: sparse penalized regression under heavy-tailed noise via data-augmented soft-thresholding
von: Mai, The Tien
Veröffentlicht: (2025)

Minimal Sufficient Representations for Self-interpretable Deep Neural Networks
von: Tan, Zhiyao, et al.
Veröffentlicht: (2026)

Time-to-event prediction for grouped variables using Exclusive Lasso
von: Ravi, Dayasri, et al.
Veröffentlicht: (2025)

Deep Partially Linear Transformation Model for Right-Censored Survival Data
von: Yin, Junkai, et al.
Veröffentlicht: (2024)

Covariate-dependent Graphical Model Estimation via Neural Networks with Statistical Guarantees
von: Lin, Jiahe, et al.
Veröffentlicht: (2025)

A Hierarchical Variational Graph Fused Lasso for Recovering Relative Rates in Spatial Compositional Data
von: Teixeira, Joaquim Valerio, et al.
Veröffentlicht: (2025)

Lasso Penalization for High-Dimensional Beta Regression Models: Computation, Analysis, and Inference
von: Ramezani, Niloofar, et al.
Veröffentlicht: (2025)

Integral Probability Metrics Meet Neural Networks: The Radon-Kolmogorov-Smirnov Test
von: Paik, Seunghoon, et al.
Veröffentlicht: (2023)

Triple/Debiased Lasso for Statistical Inference of Conditional Average Treatment Effects
von: Kato, Masahiro
Veröffentlicht: (2024)

Contrasting Global and Patient-Specific Regression Models via a Neural Network Representation
von: Behrens, Max, et al.
Veröffentlicht: (2026)

Exponential Lasso: robust sparse penalization under heavy-tailed noise and outliers with exponential-type loss
von: Mai, The Tien
Veröffentlicht: (2025)

A Flexible Empirical Bayes Approach to Generalized Linear Models, with Applications to Sparse Logistic Regression
von: Xie, Dongyue, et al.
Veröffentlicht: (2026)

Sparse Bayesian Multidimensional Item Response Theory
von: Li, Jiguang, et al.
Veröffentlicht: (2023)

DFNN: A Deep Fréchet Neural Network Framework for Learning Metric-Space-Valued Responses
von: Kim, Kyum, et al.
Veröffentlicht: (2025)

Amortized Inference for Correlated Discrete Choice Models via Equivariant Neural Networks
von: Huch, Easton, et al.
Veröffentlicht: (2026)

Finite-Sample Inference for Sparsely Permuted Linear Regression
von: Ota, Hirofumi, et al.
Veröffentlicht: (2026)

Collaborative Contextual Bayesian Optimization
von: Chang, Chih-Yu, et al.
Veröffentlicht: (2026)

Bayesian Pliable Lasso with Horseshoe Prior for Interaction Effects in GLMs with Missing Responses
von: Mai, The Tien
Veröffentlicht: (2025)

Modeling Nonstationary Extremal Dependence via Deep Spatial Deformations
von: Shao, Xuanjie, et al.
Veröffentlicht: (2025)

Prediction Suboptimality of the Lasso in Sparse Linear Regression
von: Liu, Guo
Veröffentlicht: (2026)

High-dimensional Nonparametric Contextual Bandit Problem
von: Iwazaki, Shogo, et al.
Veröffentlicht: (2025)

Conditional Rank-Rank Regression via Deep Conditional Transformation Models
von: Wang, Xiaoyi, et al.
Veröffentlicht: (2026)

Fast Linear Model Trees by PILOT
von: Raymaekers, Jakob, et al.
Veröffentlicht: (2023)

Off-Policy Evaluation via Adaptive Weighting with Data from Contextual Bandits
von: Zhan, Ruohan, et al.
Veröffentlicht: (2021)