Copertina

On the sample complexity of parameter estimation in logistic regression with normal design

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hsu, Daniel, Mazumdar, Arya
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Statistics Theory Information Theory Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Learning sparse generalized linear models with binary outcomes via iterative hard thresholding
di: Matsumoto, Namiko, et al.
Pubblicazione: (2025)

Random Subgraph Detection Using Queries
di: Huleihel, Wasim, et al.
Pubblicazione: (2021)

Finite-sample performance of the maximum likelihood estimator in logistic regression
di: Chardon, Hugo, et al.
Pubblicazione: (2024)

Random pairing MLE for estimation of item parameters in Rasch model
di: Yang, Yuepeng, et al.
Pubblicazione: (2024)

Statistical-Computational Trade-offs in Tensor PCA and Related Problems via Communication Complexity
di: Dudeja, Rishabh, et al.
Pubblicazione: (2022)

Nonparametric logistic regression with deep learning
di: Yara, Atsutomo, et al.
Pubblicazione: (2024)

Theoretical limits of descending $\ell_0$ sparse-regression ML algorithms
di: Stojnic, Mihailo
Pubblicazione: (2024)

Ridge interpolators in correlated factor regression models -- exact risk analysis
di: Stojnic, Mihailo
Pubblicazione: (2024)

Exact Recovery of Sparse Binary Vectors from Generalized Linear Measurements
di: Mazumdar, Arya, et al.
Pubblicazione: (2025)

Collaborative Compressors in Distributed Mean Estimation with Limited Communication Budget
di: Vardhan, Harsh, et al.
Pubblicazione: (2026)

Distribution free M-estimation
di: Areces, Felipe, et al.
Pubblicazione: (2025)

High-dimensional logistic regression with missing data: Imputation, regularization, and universality
di: Verchand, Kabir Aladin, et al.
Pubblicazione: (2024)

An invitation to the sample complexity of quantum hypothesis testing
di: Cheng, Hao-Chung, et al.
Pubblicazione: (2024)

Fundamental limits of distributed covariance matrix estimation via a conditional strong data processing inequality
di: Rahmani, Mohammad Reza, et al.
Pubblicazione: (2025)

Sharper Guarantees for Learning Neural Network Classifiers with Gradient Methods
di: Taheri, Hossein, et al.
Pubblicazione: (2024)

On the Theory of Continual Learning with Gradient Descent for Neural Networks
di: Taheri, Hossein, et al.
Pubblicazione: (2025)

High-probability sample complexities for policy evaluation with linear function approximation
di: Li, Gen, et al.
Pubblicazione: (2023)

A non-asymptotic distributional theory of approximate message passing for sparse and robust regression
di: Li, Gen, et al.
Pubblicazione: (2024)

Agnostic Learning of Mixed Linear Regressions with EM and AM Algorithms
di: Ghosh, Avishek, et al.
Pubblicazione: (2024)

Covariate shift in nonparametric regression with Markovian design
di: Trottner, Lukas
Pubblicazione: (2023)

Thompson sampling: Precise arm-pull dynamics and adaptive inference
di: Han, Qiyang
Pubblicazione: (2026)

Non-convex matrix sensing: Breaking the quadratic rank barrier in the sample complexity
di: Stöger, Dominik, et al.
Pubblicazione: (2024)

Strong identifiability and parameter learning in regression with heterogeneous response
di: Do, Dat, et al.
Pubblicazione: (2022)

Efficient Unbiased Sparsification
di: Barnes, Leighton, et al.
Pubblicazione: (2024)

Support estimation in high-dimensional heteroscedastic mean regression
di: Hermann, Philipp, et al.
Pubblicazione: (2020)

Information-Geometric Decomposition of Generalization Error in Unsupervised Learning
di: Kim, Gilhan
Pubblicazione: (2026)

Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative Models
di: Li, Gen, et al.
Pubblicazione: (2023)

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

Batches Stabilize the Minimum Norm Risk in High Dimensional Overparameterized Linear Regression
di: Ioushua, Shahar Stein, et al.
Pubblicazione: (2023)

The Curious Price of Distributional Robustness in Reinforcement Learning with a Generative Model
di: Shi, Laixi, et al.
Pubblicazione: (2023)

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

A unified recipe for deriving (time-uniform) PAC-Bayes bounds
di: Chugg, Ben, et al.
Pubblicazione: (2023)

Comparing Comparators in Generalization Bounds
di: Hellström, Fredrik, et al.
Pubblicazione: (2023)

Mixed Regression via Approximate Message Passing
di: Tan, Nelvin, et al.
Pubblicazione: (2023)

Fine-Grained Uncertainty Quantification via Collisions
di: Friedbaum, Jesse, et al.
Pubblicazione: (2024)

Efficient Sampling with Discrete Diffusion Models: Sharp and Adaptive Guarantees
di: Dmitriev, Daniil, et al.
Pubblicazione: (2026)

Online Clustering of Data Sequences with Bandit Information
di: Chandran, G Dhinesh, et al.
Pubblicazione: (2025)

Sample efficient inductive matrix completion with noise and inexact side information
di: Yang, Yuepeng, et al.
Pubblicazione: (2026)

Minimax Optimality of Score-based Diffusion Models: Beyond the Density Lower Bound Assumptions
di: Zhang, Kaihong, et al.
Pubblicazione: (2024)

Top-$K$ ranking with a monotone adversary
di: Yang, Yuepeng, et al.
Pubblicazione: (2024)