Copertina

Boosting, Voting Classifiers and Randomized Sample Compression Schemes

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	da Cunha, Arthur, Larsen, Kasper Green, Ritzert, Martin
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

AdaBoost is not an Optimal Weak to Strong Learner
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2023)

Optimal Parallelization of Boosting
di: da Cunha, Arthur, et al.
Pubblicazione: (2024)

Improved Margin Generalization Bounds for Voting Classifiers
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2025)

Tight Margin-Based Generalization Bounds for Voting Classifiers over Finite Hypothesis Sets
di: Larsen, Kasper Green, et al.
Pubblicazione: (2025)

Improved Replicable Boosting with Majority-of-Majorities
di: Larsen, Kasper Green, et al.
Pubblicazione: (2025)

The Interplay Between Interpolation and Aggregation in Regression: Optimal Sample Complexity
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2026)

Sample-Near-Optimal Agnostic Boosting with Improved Running Time
di: da Cunha, Arthur, et al.
Pubblicazione: (2026)

Tight Generalization Bounds for Large-Margin Halfspaces
di: Larsen, Kasper Green, et al.
Pubblicazione: (2025)

A Fine-Grained Understanding of Uniform Convergence for Halfspaces
di: Kontorovich, Aryeh, et al.
Pubblicazione: (2026)

Sample Compression Scheme Reductions
di: Attias, Idan, et al.
Pubblicazione: (2024)

The Sample Complexity of Replicable Realizable PAC Learning
di: Larsen, Kasper Green, et al.
Pubblicazione: (2026)

An Exponential Separation Between Quantum and Quantum-Inspired Classical Algorithms for Linear Systems
di: Grønlund, Allan, et al.
Pubblicazione: (2024)

Revisiting Agnostic Boosting
di: da Cunha, Arthur, et al.
Pubblicazione: (2025)

Learning with Monotone Adversarial Corruptions
di: Larsen, Kasper Green, et al.
Pubblicazione: (2026)

Revisiting Agnostic PAC Learning
di: Hanneke, Steve, et al.
Pubblicazione: (2024)

Agnostic Sample Compression Schemes for Regression
di: Attias, Idan, et al.
Pubblicazione: (2018)

Derandomizing Multi-Distribution Learning
di: Larsen, Kasper Green, et al.
Pubblicazione: (2024)

The Many Faces of Optimal Weak-to-Strong Learning
di: Høgsgaard, Mikael Møller, et al.
Pubblicazione: (2024)

The Effects of Randomness on the Stability of Node Embeddings
di: Schumacher, Tobias, et al.
Pubblicazione: (2020)

Majority-of-Three: The Simplest Optimal Learner?
di: Aden-Ali, Ishaq, et al.
Pubblicazione: (2024)

Ensemble Performance Through the Lens of Linear Independence of Classifier Votes in Data Streams
di: Bektas, Enes, et al.
Pubblicazione: (2025)

MNIST-Nd: a set of naturalistic datasets to benchmark clustering across dimensions
di: Turishcheva, Polina, et al.
Pubblicazione: (2024)

Replicable Learning of Large-Margin Halfspaces
di: Kalavasis, Alkis, et al.
Pubblicazione: (2024)

Actively Learning Halfspaces without Synthetic Data
di: Black, Hadley, et al.
Pubblicazione: (2025)

Expediting In-Network Federated Learning by Voting-Based Consensus Model Compression
di: Su, Xiaoxin, et al.
Pubblicazione: (2024)

Internal Evaluation of Density-Based Clusterings with Noise
di: Beer, Anna, et al.
Pubblicazione: (2025)

Reconcile Certified Robustness and Accuracy for DNN-based Smoothed Majority Vote Classifier
di: Jin, Gaojie, et al.
Pubblicazione: (2025)

Hierarchical clustering with maximum density paths and mixture models
di: Ritzert, Martin, et al.
Pubblicazione: (2025)

Distinguished In Uniform: Self Attention Vs. Virtual Nodes
di: Rosenbluth, Eran, et al.
Pubblicazione: (2024)

Random Feature Representation Boosting
di: Zozoulenko, Nikita, et al.
Pubblicazione: (2025)

ARBITER: Reasoning Trajectory Basins and Majority Vote Failures in Test-Time Sampling
di: Cai, Meng, et al.
Pubblicazione: (2026)

iBRF: Improved Balanced Random Forest Classifier
di: Newaz, Asif, et al.
Pubblicazione: (2024)

Probabilistic Scores of Classifiers, Calibration is not Enough
di: Machado, Agathe Fernandes, et al.
Pubblicazione: (2024)

E-Valuating Classifier Two-Sample Tests
di: Pandeva, Teodora, et al.
Pubblicazione: (2022)

Supervised Learning via Ensembles of Diverse Functional Representations: the Functional Voting Classifier
di: Riccio, Donato, et al.
Pubblicazione: (2024)

Boosting Fair Classifier Generalization through Adaptive Priority Reweighing
di: Hu, Zhihao, et al.
Pubblicazione: (2023)

Fixed Random Classifier Rearrangement for Continual Learning
di: Huang, Shengyang, et al.
Pubblicazione: (2024)

RUMBoost: Gradient Boosted Random Utility Models
di: Salvadé, Nicolas, et al.
Pubblicazione: (2024)

List Sample Compression and Uniform Convergence
di: Hanneke, Steve, et al.
Pubblicazione: (2024)

Transparent Neighborhood Approximation for Text Classifier Explanation
di: Cai, Yi, et al.
Pubblicazione: (2024)