Buchumschlag

Sparse joint shift in multinomial classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Tasche, Dirk
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Statistics Theory 68T10, 62G05 G.3; I.5.1
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Factorizable joint shift revisited
von: Tasche, Dirk
Veröffentlicht: (2026)

Augmented Functional Random Forests: Classifier Construction and Unbiased Functional Principal Components Importance through Ad-Hoc Conditional Permutations
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

Recalibrating binary probabilistic classifiers
von: Tasche, Dirk
Veröffentlicht: (2025)

Can we spot a fake?
von: Mendelson, Shahar, et al.
Veröffentlicht: (2024)

Demystifying Functional Random Forests: Novel Explainability Tools for Model Transparency in High-Dimensional Spaces
von: Maturo, Fabrizio, et al.
Veröffentlicht: (2024)

Physics-informed machine learning: A mathematical framework with applications to time series forecasting
von: Doumèche, Nathan
Veröffentlicht: (2025)

DeepCausalMMM: A Deep Learning Framework for Marketing Mix Modeling with Causal Structure Learning
von: Tirumala, Aditya Puttaparthi
Veröffentlicht: (2025)

TimeGraph: Synthetic Benchmark Datasets for Robust Time-Series Causal Discovery
von: Ferdous, Muhammad Hasan, et al.
Veröffentlicht: (2025)

From Point to probabilistic gradient boosting for claim frequency and severity prediction
von: Chevalier, Dominik, et al.
Veröffentlicht: (2024)

Randomized Spline Trees for Functional Data Classification: Theory and Application to Environmental Time Series
von: Riccio, Donato, et al.
Veröffentlicht: (2024)

EEG-EyeTrack: A Benchmark for Time Series and Functional Data Analysis with Open Challenges and Baselines
von: Afonso, Tiago Vasconcelos, et al.
Veröffentlicht: (2025)

NetworkNet: A Deep Neural Network Approach for Random Networks with Sparse Nodal Attributes and Complex Nodal Heterogeneity
von: Xing, Zhaoyu, et al.
Veröffentlicht: (2026)

Robust Probabilistic Load Forecasting for a Single Household: A Comparative Study from SARIMA to Transformers on the REFIT Dataset
von: Manoj, Midhun
Veröffentlicht: (2025)

Lightweight Defense Against Adversarial Attacks in Time Series Classification
von: Han, Yi
Veröffentlicht: (2025)

Location based Probabilistic Load Forecasting of EV Charging Sites: Deep Transfer Learning with Multi-Quantile Temporal Convolutional Network
von: Ali, Mohammad Wazed, et al.
Veröffentlicht: (2024)

PatchFormer: A Patch-Based Time Series Foundation Model with Hierarchical Masked Reconstruction and Cross-Domain Transfer Learning for Zero-Shot Multi-Horizon Forecasting
von: Imanov, Olaf Yunus Laitinen, et al.
Veröffentlicht: (2026)

Order-Constrained Spectral Causality for Multivariate Time Series
von: Dominguez, Alejandro Rodriguez
Veröffentlicht: (2026)

Model-Free Local Recalibration of Neural Networks
von: Torres, R., et al.
Veröffentlicht: (2024)

Personalized Convolutional Dictionary Learning of Physiological Time Series
von: Roques, Axel, et al.
Veröffentlicht: (2025)

Enhancing Visual Interpretability and Explainability in Functional Survival Trees and Forests
von: Loffredo, Giuseppe, et al.
Veröffentlicht: (2025)

Dimension-independent rates for structured neural density estimation
von: Vandermeulen, Robert A., et al.
Veröffentlicht: (2024)

SplitWise Regression: Stepwise Modeling with Adaptive Dummy Encoding
von: Kurbucz, Marcell T., et al.
Veröffentlicht: (2025)

Evaluating the Quality of the Quantified Uncertainty for (Re)Calibration of Data-Driven Regression Models
von: Wibbeke, Jelke, et al.
Veröffentlicht: (2025)

Breaking the curse of dimensionality in structured density estimation
von: Vandermeulen, Robert A., et al.
Veröffentlicht: (2024)

Dynamic Regularized CBDT: Variance-Calibrated Causal Boosting for Interpretable Heterogeneous Treatment Effects
von: Liu, Yichen
Veröffentlicht: (2025)

When Marginals Match but Structure Fails: Covariance Fidelity in Generative Models
von: Riasat, Nazia
Veröffentlicht: (2026)

Classifier Calibration at Scale: An Empirical Study of Model-Agnostic Post-Hoc Methods
von: Manokhin, Valery, et al.
Veröffentlicht: (2026)

Intra-tree Column Subsampling Hinders XGBoost Learning of Ratio-like Interactions
von: Pinchuk, Mykola
Veröffentlicht: (2026)

XGBoost Forecasting of NEPSE Index Log Returns with Walk Forward Validation
von: Malla, Sahaj Raj, et al.
Veröffentlicht: (2026)

EchoLSTM: A Self-Reflective Recurrent Network for Stabilizing Long-Range Memory
von: K, Prasanth K, et al.
Veröffentlicht: (2025)

GRALIS: A Unified Canonical Framework for Linear Attribution Methods via Riesz Representation
von: Fanale, Raimondo
Veröffentlicht: (2026)

GT-PCA: Effective and Interpretable Dimensionality Reduction with General Transform-Invariant Principal Component Analysis
von: Heinrichs, Florian
Veröffentlicht: (2024)

A Bayesian Updating Framework for Long-term Multi-Environment Trial Data in Plant Breeding
von: Bark, Stephan, et al.
Veröffentlicht: (2026)

Forecasting Coccidioidomycosis (Valley Fever) in Arizona: A Graph Neural Network Approach
von: Sarabi, Ali, et al.
Veröffentlicht: (2025)

Kernel $ε$-Greedy for Multi-Armed Bandits with Covariates
von: Arya, Sakshi, et al.
Veröffentlicht: (2023)

SMART: A Flexible Approach to Regression using Spline-Based Multivariate Adaptive Regression Trees
von: Pattie, William, et al.
Veröffentlicht: (2024)

Improving Numerical Stability of Normalized Mutual Information Estimator on High Dimensions
von: Tuononen, Marko, et al.
Veröffentlicht: (2024)

Reducing normalizing flow complexity for MCMC preconditioning
von: Nabergoj, David, et al.
Veröffentlicht: (2025)

Geometric Mixture Classifier (GMC): A Discriminative Per-Class Mixture of Hyperplanes
von: K, Prasanth K, et al.
Veröffentlicht: (2025)

A Fiber Criterion for Representation Identifiability in Supervised Learning
von: Sevetlidis, Vasileios
Veröffentlicht: (2026)