Buchumschlag

Do We Really Even Need Data?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hoffman, Kentaro, Salerno, Stephen, Afiaz, Awan, Leek, Jeffrey T., McCormick, Tyler H.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Do We Really Even Need Data? A Modern Look at Drawing Inference with Predicted Data
von: Salerno, Stephen, et al.
Veröffentlicht: (2025)

A Moment-Based Generalization to Post-Prediction Inference
von: Salerno, Stephen, et al.
Veröffentlicht: (2025)

ipd: An R Package for Conducting Inference on Predicted Data
von: Salerno, Stephen, et al.
Veröffentlicht: (2024)

Some models are useful, but for how long?: A decision theoretic approach to choosing when to refit large-scale prediction models
von: Hoffman, Kentaro, et al.
Veröffentlicht: (2024)

Spatially Robust Inference with Predicted and Missing at Random Labels
von: Salerno, Stephen, et al.
Veröffentlicht: (2026)

From Narratives to Numbers: Valid Inference Using Language Model Predictions from Verbal Autopsy Narratives
von: Fan, Shuxian, et al.
Veröffentlicht: (2024)

A Unified Framework for Inference with General Missingness Patterns and Machine Learning Imputation
von: Chen, Xingran, et al.
Veröffentlicht: (2025)

Unique Rashomon Sets for Robust Active Learning
von: Nguyen, Simon, et al.
Veröffentlicht: (2025)

Spectral goodness-of-fit tests for complete and partial network data
von: Lubold, Shane, et al.
Veröffentlicht: (2021)

Dempster-Shafer P-values: Thoughts on an Alternative Approach for Multinomial Inference
von: Hoffman, Kentaro, et al.
Veröffentlicht: (2024)

Robustly estimating heterogeneity in factorial data using Rashomon Partitions
von: Venkateswaran, Aparajithan, et al.
Veröffentlicht: (2024)

Do Large Language Models (Really) Need Statistical Foundations?
von: Su, Weijie
Veröffentlicht: (2025)

Model-Based Inference and Experimental Design for Interference Using Partial Network Data
von: Reeves, Steven Wilkins, et al.
Veröffentlicht: (2024)

Overstuffed sandwiches and separation anxiety: finite-sample variance estimation for penalized GEE with near-separated binary data
von: Afiaz, Awan, et al.
Veröffentlicht: (2026)

Adaptive Active Learning for Regression via Reinforcement Learning
von: Nguyen, Simon D., et al.
Veröffentlicht: (2026)

Data-adaptive exposure thresholds for the Horvitz-Thompson estimator of the Average Treatment Effect in experiments with network interference
von: Thiyageswaran, Vydhourie, et al.
Veröffentlicht: (2024)

REALITrees: Rashomon Ensemble Active Learning for Interpretable Trees
von: Nguyen, Simon D., et al.
Veröffentlicht: (2026)

What's the Weight? Estimating Controlled Outcome Differences in Complex Surveys for Health Disparities Research
von: Salerno, Stephen, et al.
Veröffentlicht: (2024)

Asymptotically Normal Estimation of Local Latent Network Curvature
von: Wilkins-Reeves, Steven, et al.
Veröffentlicht: (2022)

Robust Validation: Confident Predictions Even When Distributions Shift
von: Cauchois, Maxime, et al.
Veröffentlicht: (2020)

Differentially Private Covariate Balancing Causal Inference
von: Ohnishi, Yuki, et al.
Veröffentlicht: (2024)

Scalable Spatial Stream Network (S3N) Models
von: Kunke, Jessica P., et al.
Veröffentlicht: (2025)

Estimating spillovers using imprecisely measured networks
von: Hardy, Morgan, et al.
Veröffentlicht: (2019)

Incomplete U-Statistics of Equireplicate Designs: Berry-Esseen Bound and Efficient Construction
von: Miglioli, Cesare, et al.
Veröffentlicht: (2025)

Do Finetti: On Causal Effects for Exchangeable Data
von: Guo, Siyuan, et al.
Veröffentlicht: (2024)

GenAI-Powered Inference
von: Imai, Kosuke, et al.
Veröffentlicht: (2025)

Comparing the Robustness of Simple Network Scale-Up Method (NSUM) Estimators
von: Kunke, Jessica P., et al.
Veröffentlicht: (2023)

Black Box Variational Inference with a Deterministic Objective: Faster, More Accurate, and Even More Black Box
von: Giordano, Ryan, et al.
Veröffentlicht: (2023)

A Hybrid NUTS-Gibbs Sampler with State Space Marginalization for Estimation of Dynamic Structural Equation Models with Binomial Outcomes
von: Sørensen, Øystein, et al.
Veröffentlicht: (2026)

General Covariance-Based Conditions for Central Limit Theorems with Dependent Triangular Arrays
von: Chandrasekhar, Arun G., et al.
Veröffentlicht: (2023)

We Have It Covered: A Resampling-based Method for Uplift Model Comparison
von: Liu, Yang, et al.
Veröffentlicht: (2025)

Detecting Metastable Basins in High Dimensions via Marginal Trajectory Distribution Discrimination
von: Jones-McCormick, Taj
Veröffentlicht: (2026)

Clustering Three-Way Data with Outliers
von: Clark, Katharine M., et al.
Veröffentlicht: (2023)

Variational Inference with Coverage Guarantees in Simulation-Based Inference
von: Patel, Yash, et al.
Veröffentlicht: (2023)

funOCLUST: Clustering Functional Data with Outliers
von: Clark, Katharine M., et al.
Veröffentlicht: (2025)

On the Need to Align Intent and Implementation in Uncertainty Quantification for Machine Learning
von: Trivedi, Shubhendu, et al.
Veröffentlicht: (2025)

Data-Adaptive Tradeoffs among Multiple Risks in Distribution-Free Prediction
von: Nguyen, Drew T., et al.
Veröffentlicht: (2024)

Tree-Based Predictive Models for Noisy Input Data
von: McCoy, Kevin, et al.
Veröffentlicht: (2026)

Weighted Sum-of-Trees Model for Clustered Data
von: McCoy, Kevin, et al.
Veröffentlicht: (2026)

Learning from Double Positive and Unlabeled Data for Potential-Customer Identification
von: Kato, Masahiro, et al.
Veröffentlicht: (2025)