Copertina

Detecting Errors in a Numerical Response via any Regression Model

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Zhou, Hang, Mueller, Jonas, Kumar, Mayank, Wang, Jane-Ling, Lei, Jing
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Beyond the Norms: Detecting Prediction Errors in Regression Models
di: Altieri, Andres, et al.
Pubblicazione: (2024)

Uniform Error Bounds for Gaussian Process Regression with Application to Safe Control
di: Lederer, Armin, et al.
Pubblicazione: (2019)

any4: Learned 4-bit Numeric Representation for LLMs
di: Elhoushi, Mostafa, et al.
Pubblicazione: (2025)

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

Numerical Error Analysis of Large Language Models
di: Budzinskiy, Stanislav, et al.
Pubblicazione: (2025)

ActiveLab: Active Learning with Re-Labeling by Multiple Annotators
di: Goh, Hui Wen, et al.
Pubblicazione: (2023)

Distributional Regression with Tabular Foundation Models: Evaluating Probabilistic Predictions via Proper Scoring Rules
di: Landsgesell, Jonas, et al.
Pubblicazione: (2026)

Error Reduction from Stacked Regressions
di: Chen, Xin, et al.
Pubblicazione: (2023)

Generalized Resubstitution for Regression Error Estimation
di: Marcondes, Diego, et al.
Pubblicazione: (2024)

Error Taxonomy-Guided Prompt Optimization
di: Singh, Mayank, et al.
Pubblicazione: (2026)

Open Challenges in Time Series Anomaly Detection: An Industry Perspective
di: Mueller, Andreas
Pubblicazione: (2025)

DLBacktrace: A Model Agnostic Explainability for any Deep Learning Models
di: Sankarapu, Vinay Kumar, et al.
Pubblicazione: (2024)

Bayesian Multiple Multivariate Density-Density Regression
di: Nguyen, Khai, et al.
Pubblicazione: (2026)

Intrinsic Gaussian Process Regression Modeling for Manifold-valued Response Variable
di: Wang, Zhanfeng, et al.
Pubblicazione: (2024)

Omni-Mol: Multitask Molecular Model for Any-to-any Modalities
di: Hu, Chengxin, et al.
Pubblicazione: (2025)

Bayesian Multivariate Density-Density Regression
di: Nguyen, Khai, et al.
Pubblicazione: (2025)

Inference for Large Scale Regression Models with Dependent Errors
di: Voirol, Lionel, et al.
Pubblicazione: (2024)

Real-Time Trustworthiness Scoring for LLM Structured Outputs and Data Extraction
di: Goh, Hui Wen, et al.
Pubblicazione: (2026)

Mahalanobis++: Improving OOD Detection via Feature Normalization
di: Mueller, Maximilian, et al.
Pubblicazione: (2025)

Reducing Variance in Meta-Learning via Laplace Approximation for Regression Tasks
di: Reichlin, Alfredo, et al.
Pubblicazione: (2024)

Dac-Fake: A Divide and Conquer Framework for Detecting Fake News on Social Media
di: Jain, Mayank Kumar, et al.
Pubblicazione: (2025)

Error Distribution Smoothing:Advancing Low-Dimensional Imbalanced Regression
di: Chen, Donghe, et al.
Pubblicazione: (2025)

Tensor Hypercontraction Error Correction Using Regression
di: Satyarth, Ishna, et al.
Pubblicazione: (2026)

Heavy-Tailed Linear Bandits: Huber Regression with One-Pass Update
di: Wang, Jing, et al.
Pubblicazione: (2025)

Understanding When Poisson Log-Normal Models Outperform Penalized Poisson Regression for Microbiome Count Data
di: Agyapong, Daniel, et al.
Pubblicazione: (2026)

On Uniform Error Bounds for Kernel Regression under Non-Gaussian Noise
di: Teutsch, Johannes, et al.
Pubblicazione: (2026)

Coefficient Shape Alignment in Multiple Functional Linear Regression
di: Jiao, Shuhao, et al.
Pubblicazione: (2023)

Numerical Pruning for Efficient Autoregressive Models
di: Shen, Xuan, et al.
Pubblicazione: (2024)

Shuffled Linear Regression via Spectral Matching
di: Liu, Hang, et al.
Pubblicazione: (2024)

High-Dimensional Tail Index Regression
di: Sasaki, Yuya, et al.
Pubblicazione: (2024)

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

A Theoretical Study of Neural Network Expressive Power via Manifold Topology
di: Yao, Jiachen, et al.
Pubblicazione: (2024)

Generalization Error Matters in Decentralized Learning Under Byzantine Attacks
di: Ye, Haoxiang, et al.
Pubblicazione: (2024)

Expectation Error Bounds for Transfer Learning in Linear Regression and Linear Neural Networks
di: Liu, Meitong, et al.
Pubblicazione: (2026)

Scalable Spatiotemporally Varying Coefficient Modelling with Bayesian Kernelized Tensor Regression
di: Lei, Mengying, et al.
Pubblicazione: (2021)

Multiple Kernel Clustering via Local Regression Integration
di: Du, Liang, et al.
Pubblicazione: (2024)

Practical Deep Heteroskedastic Regression
di: Jordahn, Mikkel, et al.
Pubblicazione: (2026)

Sparse Techniques for Regression in Deep Gaussian Processes
di: Latz, Jonas, et al.
Pubblicazione: (2025)

Diffusion LLMs are Natural Adversaries for any LLM
di: Lüdke, David, et al.
Pubblicazione: (2025)

Nonlinear Multiple Response Regression and Learning of Latent Spaces
di: Tian, Ye, et al.
Pubblicazione: (2025)