Buchumschlag

Regularized boosting with an increasing coefficient magnitude stop criterion as meta-learner in hyperparameter optimization stacking ensemble

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fdez-Díaz, Laura, Quevedo, José Ramón, Montañés, Elena
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Target inductive methods for zero-shot regression
von: Fdez-Díaz, Miriam, et al.
Veröffentlicht: (2024)

Direct side information learning for zero-shot regression
von: Fdez-Díaz, Miriam, et al.
Veröffentlicht: (2024)

Improving importance estimation in covariate shift for providing accurate prediction error
von: Fdez-Díaz, Laura, et al.
Veröffentlicht: (2024)

Capturing waste collection planning expert knowledge in a fitness function through preference learning
von: Díaz, Laura Fernández, et al.
Veröffentlicht: (2024)

View selection in multi-view stacking: Choosing the meta-learner
von: van Loon, Wouter, et al.
Veröffentlicht: (2020)

Be aware of overfitting by hyperparameter optimization!
von: Tetko, Igor V., et al.
Veröffentlicht: (2024)

An $(ε,δ)$-accurate level set estimation with a stopping criterion
von: Ishibashi, Hideaki, et al.
Veröffentlicht: (2025)

A Hessian-informed hyperparameter optimization for differential learning rate
von: Xu, Shiyun, et al.
Veröffentlicht: (2025)

Two-step hyperparameter optimization method: Accelerating hyperparameter search by using a fraction of a training dataset
von: Yu, Sungduk, et al.
Veröffentlicht: (2023)

Fuzzy hyperparameters update in a second order optimization
von: Bensadok, Abdelaziz, et al.
Veröffentlicht: (2024)

Relax and penalize: a new bilevel approach to mixed-binary hyperparameter optimization
von: Venturini, Sara, et al.
Veröffentlicht: (2023)

Beyond algorithm hyperparameters: on preprocessing hyperparameters and associated pitfalls in machine learning applications
von: Sauer, Christina, et al.
Veröffentlicht: (2024)

Bayesian autoregression to optimize temporal Matérn kernel Gaussian process hyperparameters
von: Kouw, Wouter M.
Veröffentlicht: (2025)

Towards hyperparameter-free optimization with differential privacy
von: Bu, Zhiqi, et al.
Veröffentlicht: (2025)

Application-oriented automatic hyperparameter optimization for spiking neural network prototyping
von: Fra, Vittorio
Veröffentlicht: (2025)

An adaptively inexact first-order method for bilevel optimization with application to hyperparameter learning
von: Salehi, Mohammad Sadegh, et al.
Veröffentlicht: (2023)

An algorithmic framework for the optimization of deep neural networks architectures and hyperparameters
von: Keisler, Julie, et al.
Veröffentlicht: (2023)

Robust multi-task boosting using clustering and local ensembling
von: Emami, Seyedsaman, et al.
Veröffentlicht: (2026)

Regularization, early-stopping and dreaming: a Hopfield-like setup to address generalization and overfitting
von: Agliari, Elena, et al.
Veröffentlicht: (2023)

Bilevel optimization for learning hyperparameters: Application to solving PDEs and inverse problems with Gaussian processes
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2025)

Effect of hyperparameters on variable selection in random forests
von: Fouodo, Cesaire J. K., et al.
Veröffentlicht: (2023)

Offline-to-online hyperparameter transfer for stochastic bandits
von: Sharma, Dravyansh, et al.
Veröffentlicht: (2025)

$μ$pscaling small models: Principled warm starts and hyperparameter transfer
von: Ma, Yuxin, et al.
Veröffentlicht: (2026)

Selecting time-series hyperparameters with the artificial jackknife
von: Pellegrino, Filippo
Veröffentlicht: (2020)

Calibrating dimension reduction hyperparameters in the presence of noise
von: Lin, Justin, et al.
Veröffentlicht: (2023)

A two-step sequential approach for hyperparameter selection in finite context models
von: Contente, José, et al.
Veröffentlicht: (2026)

Region-wise stacking ensembles for estimating brain-age using MRI
von: Antonopoulos, Georgios, et al.
Veröffentlicht: (2025)

Model-agnostic meta-learners for estimating heterogeneous treatment effects over time
von: Frauen, Dennis, et al.
Veröffentlicht: (2024)

Overlap-weighted orthogonal meta-learner for treatment effect estimation over time
von: Hess, Konstantin, et al.
Veröffentlicht: (2025)

Toward generative machine learning for boosting ensembles of climate simulations
von: Gooya, Parsa, et al.
Veröffentlicht: (2026)

How far away are truly hyperparameter-free learning algorithms?
von: Kasimbeg, Priya, et al.
Veröffentlicht: (2025)

Constrained multi-fidelity Bayesian optimization with automatic stop condition
von: Foumani, Zahra Zanjani, et al.
Veröffentlicht: (2025)

Solving optimal stopping problems with Deep Q-Learning
von: Ery, John, et al.
Veröffentlicht: (2021)

A SHAP-based explainable multi-level stacking ensemble learning method for predicting the length of stay in acute stroke
von: Xu, Zhenran
Veröffentlicht: (2025)

ANOVA-boosting for Random Fourier Features
von: Potts, Daniel, et al.
Veröffentlicht: (2024)

Better Trees: An empirical study on hyperparameter tuning of classification decision tree induction algorithms
von: Mantovani, Rafael Gomes, et al.
Veröffentlicht: (2018)

Auto Researching, not hyperparameter tuning: Convergence Analysis of 10,000 Experiments
von: Li, Xiaoyi
Veröffentlicht: (2026)

HIVE-COTE 2.0: a new meta ensemble for time series classification
von: Middlehurst, Matthew, et al.
Veröffentlicht: (2021)

Inference-time optimization for experiment-grounded protein ensemble generation
von: Maddipatla, Advaith, et al.
Veröffentlicht: (2026)

Hard ASH: Sparsity and the right optimizer make a continual learner
von: Keskinen, Santtu
Veröffentlicht: (2024)