Buchumschlag

Distribution-Free Rates in Neyman-Pearson Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kalan, Mohammadreza M., Kpotufe, Samory
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

Transfer Neyman-Pearson Algorithm for Outlier Detection
von: Kalan, Mohammadreza M., et al.
Veröffentlicht: (2025)

Neyman-Pearson Classification under Both Null and Alternative Distributions Shift
von: Kalan, Mohammadreza M., et al.
Veröffentlicht: (2025)

Distributionally-Constrained Adversaries in Online Learning
von: Blanchard, Moïse, et al.
Veröffentlicht: (2025)

An Efficient Variant of One-Class SVM with Lifelong Online Learning Guarantees
von: Suk, Joe, et al.
Veröffentlicht: (2025)

Mixed-Sample SGD: an End-to-end Analysis of Supervised Transfer Learning
von: Deng, Yuyang, et al.
Veröffentlicht: (2025)

Adaptive Sample Aggregation In Transfer Learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2024)

Nonlinear Meta-Learning Can Guarantee Faster Rates
von: Meunier, Dimitri, et al.
Veröffentlicht: (2023)

Which Spatial Partition Trees are Adaptive to Intrinsic Dimension?
von: Verma, Nakul, et al.
Veröffentlicht: (2012)

Neyman-Pearson Multi-class Classification via Cost-sensitive Learning
von: Tian, Ye, et al.
Veröffentlicht: (2021)

Goodness of fit by Neyman-Pearson testing
von: Grosso, Gaia, et al.
Veröffentlicht: (2023)

Bounding Neyman-Pearson Region with $f$-Divergences
von: Mullhaupt, Andrew, et al.
Veröffentlicht: (2025)

Efficient Estimation of the Central Mean Subspace via Smoothed Gradient Outer Products
von: Yuan, Gan, et al.
Veröffentlicht: (2023)

Neyman-Pearson multiclass classification under label noise via empirical likelihood
von: Zhang, Qiong, et al.
Veröffentlicht: (2026)

Concentration and excess risk bounds for imbalanced classification with synthetic oversampling
von: Ahmad, Touqeer, et al.
Veröffentlicht: (2025)

Tensor Neyman-Pearson Classification: Theory, Algorithms, and Error Control
von: Liu, Lingchong, et al.
Veröffentlicht: (2025)

Logarithmic Neyman Regret for Adaptive Estimation of the Average Treatment Effect
von: Neopane, Ojash, et al.
Veröffentlicht: (2024)

Stronger Neyman Regret Guarantees for Adaptive Experimental Design
von: Noarov, Georgy, et al.
Veröffentlicht: (2025)

Distribution Free Prediction Sets for Node Classification
von: Clarkson, Jase
Veröffentlicht: (2022)

Towards Efficient Disaster Response via Cost-effective Unbiased Class Rate Estimation through Neyman Allocation Stratified Sampling Active Learning
von: Bai, Yanbing, et al.
Veröffentlicht: (2024)

A Novel Pearson Correlation-Based Merging Algorithm for Robust Distributed Machine Learning with Heterogeneous Data
von: Rahmat, Mohammad Ghabel, et al.
Veröffentlicht: (2025)

Neyman Meets Causal Machine Learning: Experimental Evaluation of Individualized Treatment Rules
von: Li, Michael Lingzhi, et al.
Veröffentlicht: (2024)

Entanglement-Enhanced Neyman-Pearson Target Detection
von: Ward, William, et al.
Veröffentlicht: (2024)

Distribution-Free Pretraining of Classification Losses via Evolutionary Dynamics
von: Xiang, Meng, et al.
Veröffentlicht: (2026)

Generalized Neyman Allocation for Locally Minimax Optimal Best-Arm Identification
von: Kato, Masahiro
Veröffentlicht: (2024)

FaiREE: Fair Classification with Finite-Sample and Distribution-Free Guarantee
von: Li, Puheng, et al.
Veröffentlicht: (2022)

Adaptive Estimation and Inference in Semi-parametric Heterogeneous Clustered Multitask Learning via Neyman Orthogonality
von: Chen, Hanxiao, et al.
Veröffentlicht: (2026)

Distribution-Dependent Rates for Multi-Distribution Learning
von: Hanashiro, Rafael, et al.
Veröffentlicht: (2023)

Ranked differences Pearson correlation dissimilarity with an application to electricity users time series clustering
von: Charoensuk, Chutiphan, et al.
Veröffentlicht: (2025)

Covariate Balancing and Riesz Regression Should Be Guided by the Neyman Orthogonal Score in Debiased Machine Learning
von: Kato, Masahiro
Veröffentlicht: (2026)

Game-Theoretic Neyman-Pearson Detection to Combat Strategic Evasion
von: Hu, Yinan, et al.
Veröffentlicht: (2022)

Asking For It: Question-Answering for Predicting Rule Infractions in Online Content Moderation
von: Samory, Mattia, et al.
Veröffentlicht: (2025)

Logarithmically Quantized Distributed Optimization over Dynamic Multi-Agent Networks
von: Doostmohammadian, Mohammadreza, et al.
Veröffentlicht: (2024)

Optimizing Data Curation through Spectral Analysis and Joint Batch Selection (SALN)
von: Sharifi, Mohammadreza
Veröffentlicht: (2024)

InnerQ: Hardware-Aware Tuning-Free Quantization of KV Cache for Large Language Models
von: Hosseini, Sayed Mohammadreza Tayaranian, et al.
Veröffentlicht: (2026)

Deep Clustering with Self-Supervision using Pairwise Similarities
von: Sadeghi, Mohammadreza, et al.
Veröffentlicht: (2024)

FedMPDD: Communication-Efficient Federated Learning with Privacy Preservation Attributes via Projected Directional Derivative
von: Rostami, Mohammadreza, et al.
Veröffentlicht: (2025)

PearSAN: A Machine Learning Method for Inverse Design using Pearson Correlated Surrogate Annealing
von: Bezick, Michael, et al.
Veröffentlicht: (2024)

Revamping Conformal Selection With Optimal Power: A Neyman--Pearson Perspective
von: Qin, Jing, et al.
Veröffentlicht: (2025)

Neyman-Pearson and equal opportunity: when efficiency meets fairness in classification
von: Fan, Jianqing, et al.
Veröffentlicht: (2023)

Neyman-Pearson Detector for Ambient Backscatter Zero-Energy-Devices Beacons
von: Yang, Shanglin, et al.
Veröffentlicht: (2025)