Copertina

Kernel Ridge Regression Inference

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Singh, Rahul, Vijaykumar, Suhas
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Statistics Theory Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Optimal and Structure-Adaptive CATE Estimation with Kernel Ridge Regression
di: Kim, Seok-Jin
Pubblicazione: (2026)

Uniform inference for kernel instrumental variable regression
di: Lob, Marvin, et al.
Pubblicazione: (2025)

A non-asymptotic theory of Kernel Ridge Regression: deterministic equivalents, test error, and GCV estimator
di: Misiakiewicz, Theodor, et al.
Pubblicazione: (2024)

Kernel methods for long term dose response curves
di: Singh, Rahul, et al.
Pubblicazione: (2022)

Nested Nonparametric Instrumental Variable Regression
di: Meza, Isaac, et al.
Pubblicazione: (2021)

A scale-free density bound for Gaussian maxima
di: Vijaykumar, Suhas
Pubblicazione: (2026)

Universality of Kernel Random Matrices and Kernel Regression in the Quadratic Regime
di: Pandit, Parthe, et al.
Pubblicazione: (2024)

Kernel Ridge Riesz Representers: Generalization, Mis-specification, and the Counterfactual Effective Dimension
di: Singh, Rahul
Pubblicazione: (2021)

Pseudo-Labeling for Kernel Ridge Regression under Covariate Shift
di: Wang, Kaizheng
Pubblicazione: (2023)

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

A Kernel-Based Conditional Two-Sample Test Using Nearest Neighbors (with Applications to Calibration, Regression Curves, and Simulation-Based Inference)
di: Chatterjee, Anirban, et al.
Pubblicazione: (2024)

Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning
di: Dang, Hien, et al.
Pubblicazione: (2026)

Statistical Inference for Gradient Boosting Regression
di: Fang, Haimo, et al.
Pubblicazione: (2025)

Exact and Approximate Conformal Inference for Multi-Output Regression
di: Johnstone, Chancellor, et al.
Pubblicazione: (2022)

Nonlinear Bayesian Update via Ensemble Kernel Regression with Clustering and Subsampling
di: Lee, Yoonsang
Pubblicazione: (2025)

Scalable Kernel-Based Distances for Statistical Inference and Integration
di: Naslidnyk, Masha
Pubblicazione: (2026)

Preventing Model Collapse Under Overparametrization: Optimal Mixing Ratios for Interpolation Learning and Ridge Regression
di: Garg, Anvit, et al.
Pubblicazione: (2025)

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

Canonical correlation regression with noisy data
di: Meza, Isaac, et al.
Pubblicazione: (2025)

Causal Inference with Corrupted Data: Measurement Error, Missing Values, Discretization, and Differential Privacy
di: Agarwal, Anish, et al.
Pubblicazione: (2021)

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

Debiased Nonparametric Regression for Statistical Inference and Distributionally Robustness
di: Kato, Masahiro
Pubblicazione: (2024)

Distribution-Free Confidence Ellipsoids for Ridge Regression with PAC Bounds
di: Szentpéteri, Szabolcs, et al.
Pubblicazione: (2026)

Uniform Kernel Prober
di: Mukherjee, Soumya, et al.
Pubblicazione: (2025)

Supervised Kernel Thinning
di: Gong, Albert, et al.
Pubblicazione: (2024)

Random Features for Operator-Valued Kernels: Bridging Kernel Methods and Neural Operators
di: Nguyen, Mike, et al.
Pubblicazione: (2026)

Optimal Ridge Regularization for Out-of-Distribution Prediction
di: Patil, Pratik, et al.
Pubblicazione: (2024)

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

Differentially Private Inference for Longitudinal Linear Regression
di: Sopa, Getoar, et al.
Pubblicazione: (2026)

Targeted Separation and Convergence with Kernel Discrepancies
di: Barp, Alessandro, et al.
Pubblicazione: (2022)

Asymptotic Theory for Linear Functionals of Kernel Ridge Regression
di: Tuo, Rui, et al.
Pubblicazione: (2024)

Debiased Bayesian Inference for High-dimensional Regression Models
di: Chen, Qihui, et al.
Pubblicazione: (2025)

Variance-Aware Estimation of Kernel Mean Embedding
di: Wolfer, Geoffrey, et al.
Pubblicazione: (2022)

On the Limitation of Kernel Dependence Maximization for Feature Selection
di: Liu, Keli, et al.
Pubblicazione: (2024)

Kernel Two-Sample Tests for Manifold Data
di: Cheng, Xiuyuan, et al.
Pubblicazione: (2021)

Kernel Quantile Embeddings and Associated Probability Metrics
di: Naslidnyk, Masha, et al.
Pubblicazione: (2025)

Semi-supervised Fréchet Regression
di: Qiu, Rui, et al.
Pubblicazione: (2024)

Statistical Complexity and Optimal Algorithms for Non-linear Ridge Bandits
di: Rajaraman, Nived, et al.
Pubblicazione: (2023)

Generalized Kernel Thinning
di: Dwivedi, Raaz, et al.
Pubblicazione: (2021)

Pseudo-Labeling for Unsupervised Domain Adaptation with Kernel GLMs
di: Weill, Nathan, et al.
Pubblicazione: (2026)