Copertina

Asymptotics of Random Feature Regression Beyond the Linear Scaling Regime

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Hu, Hong, Lu, Yue M., Misiakiewicz, Theodor
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

A non-asymptotic theory of Kernel Ridge Regression: deterministic equivalents, test error, and GCV estimator
di: Misiakiewicz, Theodor, et al.
Pubblicazione: (2024)

When does Gaussian equivalence fail and how to fix it: Non-universal behavior of random features with quadratic scaling
di: Wen, Garrett G., et al.
Pubblicazione: (2025)

Statistical-Computational Trade-offs in Learning Multi-Index Models via Harmonic Analysis
di: Latourelle-Vigeant, Hugo, et al.
Pubblicazione: (2026)

Learning single-index models via harmonic decomposition
di: Joshi, Nirmit, et al.
Pubblicazione: (2025)

An Optimized Franz-Parisi Criterion and its Equivalence with SQ Lower Bounds
di: Chen, Siyu, et al.
Pubblicazione: (2025)

A Random Matrix Theory Perspective on the Spectrum of Learned Features and Asymptotic Generalization Capabilities
di: Dandi, Yatin, et al.
Pubblicazione: (2024)

Improved Scaling Laws via Weak-to-Strong Generalization in Random Feature Ridge Regression
di: Wu, Diyuan, et al.
Pubblicazione: (2026)

Linear Regression with Unknown Truncation Beyond Gaussian Features
di: Kouridakis, Alexandros, et al.
Pubblicazione: (2026)

Universality of Kernel Random Matrices and Kernel Regression in the Quadratic Regime
di: Pandit, Parthe, et al.
Pubblicazione: (2024)

Asymptotic Optimism of Random-Design Linear and Kernel Regression Models
di: Luo, Hengrui, et al.
Pubblicazione: (2025)

Sparse PCA: Phase Transitions in the Critical Regime
di: Feldman, Michael J., et al.
Pubblicazione: (2024)

Improved Scaling Laws in Linear Regression via Data Reuse
di: Lin, Licong, et al.
Pubblicazione: (2025)

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation
di: Morisset, Lucas, et al.
Pubblicazione: (2026)

Scaling Laws in Linear Regression: Compute, Parameters, and Data
di: Lin, Licong, et al.
Pubblicazione: (2024)

Sparse Linear Regression is Easy on Random Supports
di: Chandrasekaran, Gautam, et al.
Pubblicazione: (2025)

Asymptotics of Learning with Deep Structured (Random) Features
di: Schröder, Dominik, et al.
Pubblicazione: (2024)

Asymptotic Optimism for Tensor Regression Models with Applications to Neural Network Compression
di: Shi, Haoming, et al.
Pubblicazione: (2026)

Asymptotic Theory and Phase Transitions for Variable Importance in Quantile Regression Forests
di: Nakamura, Tomoshige, et al.
Pubblicazione: (2025)

Minimax Linear Regression under the Quantile Risk
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2024)

Online and Offline Robust Multivariate Linear Regression
di: Godichon-Baggioni, Antoine, et al.
Pubblicazione: (2024)

Functional Linear Regression of Cumulative Distribution Functions
di: Zhang, Qian, et al.
Pubblicazione: (2022)

Max-Linear Regression by Convex Programming
di: Kim, Seonho, et al.
Pubblicazione: (2021)

Active Learning via Regression Beyond Realizability
di: Ganju, Atul, et al.
Pubblicazione: (2025)

On the Interpolation Error of Nonlinear Attention versus Linear Regression
di: Liao, Zhenyu, et al.
Pubblicazione: (2025)

Precise Asymptotics for Spectral Methods in Mixed Generalized Linear Models
di: Zhang, Yihan, et al.
Pubblicazione: (2022)

Unveiling the Cycloid Trajectory of EM Iterations in Mixed Linear Regression
di: Luo, Zhankun, et al.
Pubblicazione: (2024)

Transfer Learning for Benign Overfitting in High-Dimensional Linear Regression
di: Kim, Yeichan, et al.
Pubblicazione: (2025)

Self-Normalized Martingales and Uniform Regret Bounds for Linear Regression
di: Chen, Fan, et al.
Pubblicazione: (2026)

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression
di: Wegel, Tobias, et al.
Pubblicazione: (2025)

Meta-Learning with Generalized Ridge Regression: High-dimensional Asymptotics, Optimality and Hyper-covariance Estimation
di: Jin, Yanhao, et al.
Pubblicazione: (2024)

The Thermodynamic Costs of Simple Linear Regression
di: D'Ambrosia, Samuel H., et al.
Pubblicazione: (2026)

Adaptive Lasso, Transfer Lasso, and Beyond: An Asymptotic Perspective
di: Takada, Masaaki, et al.
Pubblicazione: (2023)

Optimal Unconstrained Self-Distillation in Ridge Regression: Strict Improvements, Precise Asymptotics, and One-Shot Tuning
di: Dang, Hien, et al.
Pubblicazione: (2026)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
di: Chen, Fan, et al.
Pubblicazione: (2025)

Finite Sample Confidence Regions for Linear Regression Parameters Using Arbitrary Predictors
di: Guille-Escuret, Charles, et al.
Pubblicazione: (2024)

Finite-Sample Inference for Sparsely Permuted Linear Regression
di: Ota, Hirofumi, et al.
Pubblicazione: (2026)

Precise Asymptotics of Bagging Regularized M-estimators
di: Koriyama, Takuya, et al.
Pubblicazione: (2024)

Optimal Excess Risk Bounds for Empirical Risk Minimization on $p$-Norm Linear Regression
di: Hanchi, Ayoub El, et al.
Pubblicazione: (2023)

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

Iterative Reweighted Framework Based Algorithms for Sparse Linear Regression with Generalized Elastic Net Penalty
di: Ding, Yanyun, et al.
Pubblicazione: (2024)