Buchumschlag

Data Imputation by Pursuing Better Classification: A Supervised Kernel-Based Method

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Ruikai, He, Fan, He, Mingzhen, Wang, Kaijie, Huang, Xiaolin
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

Decentralized Kernel Ridge Regression Based on Data-Dependent Random Feature
von: Yang, Ruikai, et al.
Veröffentlicht: (2024)

MUSO: Achieving Exact Machine Unlearning in Over-Parameterized Regimes
von: Yang, Ruikai, et al.
Veröffentlicht: (2024)

Learning Analysis of Kernel Ridgeless Regression with Asymmetric Kernel Learning
von: He, Fan, et al.
Veröffentlicht: (2024)

Kernel PCA for Out-of-Distribution Detection
von: Fang, Kun, et al.
Veröffentlicht: (2024)

Kernel PCA for Out-of-Distribution Detection: Non-Linear Kernel Selections and Approximations
von: Fang, Kun, et al.
Veröffentlicht: (2025)

Pursuing Feature Separation based on Neural Collapse for Out-of-Distribution Detection
von: Wu, Yingwen, et al.
Veröffentlicht: (2024)

Remaining-data-free Machine Unlearning by Suppressing Sample Contribution
von: Cheng, Xinwen, et al.
Veröffentlicht: (2024)

Kernel-Based Enhanced Oversampling Method for Imbalanced Classification
von: Li, Wenjie, et al.
Veröffentlicht: (2025)

Filling the Missings: Spatiotemporal Data Imputation by Conditional Diffusion
von: He, Wenying, et al.
Veröffentlicht: (2025)

Self-Supervision Improves Diffusion Models for Tabular Data Imputation
von: Liu, Yixin, et al.
Veröffentlicht: (2024)

Revisiting Random Weight Perturbation for Efficiently Improving Generalization
von: Li, Tao, et al.
Veröffentlicht: (2024)

Learning-Based User Association for MmWave Vehicular Networks With Kernelized Contextual Bandits
von: He, Xiaoyang, et al.
Veröffentlicht: (2025)

End-to-end Kernel Learning via Generative Random Fourier Features
von: Fang, Kun, et al.
Veröffentlicht: (2020)

LLM-Forest: Ensemble Learning of LLMs with Graph-Augmented Prompts for Data Imputation
von: He, Xinrui, et al.
Veröffentlicht: (2024)

Kernel Representation and Similarity Measure for Incomplete Data
von: Cao, Yang, et al.
Veröffentlicht: (2025)

An Interdisciplinary and Cross-Task Review on Missing Data Imputation
von: Fan, Jicong
Veröffentlicht: (2025)

Deep Generative Imputation Model for Missing Not At Random Data
von: Chen, Jialei, et al.
Veröffentlicht: (2023)

Multilinear Kernel Regression and Imputation via Manifold Learning
von: Nguyen, Duc Thien, et al.
Veröffentlicht: (2024)

Variational Graph Auto-Encoder Based Inductive Learning Method for Semi-Supervised Classification
von: Yang, Hanxuan, et al.
Veröffentlicht: (2024)

Imputation of Longitudinal Data Using GANs: Challenges and Implications for Classification
von: Pingi, Sharon Torao, et al.
Veröffentlicht: (2025)

Learnable Prompt as Pseudo-Imputation: Rethinking the Necessity of Traditional EHR Data Imputation in Downstream Clinical Prediction
von: Liao, Weibin, et al.
Veröffentlicht: (2024)

In-Database Data Imputation
von: Perini, Massimo, et al.
Veröffentlicht: (2024)

IBMA: An Imputation-Based Mixup Augmentation Using Self-Supervised Learning for Time Series Data
von: Nguyen, Dang Nha, et al.
Veröffentlicht: (2025)

ABKD: Pursuing a Proper Allocation of the Probability Mass in Knowledge Distillation via $α$-$β$-Divergence
von: Wang, Guanghui, et al.
Veröffentlicht: (2025)

Generative Data Imputation for Sparse Learner Performance Data Using Generative Adversarial Imputation Networks
von: Zhang, Liang, et al.
Veröffentlicht: (2025)

Label-Guided Imputation via Forest-Based Proximities for Improved Time Series Classification
von: Rhodes, Jake S., et al.
Veröffentlicht: (2025)

T2I-ConBench: Text-to-Image Benchmark for Continual Post-training
von: Huang, Zhehao, et al.
Veröffentlicht: (2025)

Evaluating the Paperclip Maximizer: Are RL-Based Language Models More Likely to Pursue Instrumental Goals?
von: He, Yufei, et al.
Veröffentlicht: (2025)

RelMap: Reliable Spatiotemporal Sensor Data Visualization via Imputative Spatial Interpolation
von: Chen, Juntong, et al.
Veröffentlicht: (2025)

RDPI: A Refine Diffusion Probability Generation Method for Spatiotemporal Data Imputation
von: Liu, Zijin, et al.
Veröffentlicht: (2024)

A Spatio-Temporal Online Robust Tensor Recovery Approach for Streaming Traffic Data Imputation
von: Yang, Yiyang, et al.
Veröffentlicht: (2025)

Confronting Discrimination in Classification: Smote Based on Marginalized Minorities in the Kernel Space for Imbalanced Data
von: Zhong, Lingyun
Veröffentlicht: (2024)

Data Imputation with Iterative Graph Reconstruction
von: Zhong, Jiajun, et al.
Veröffentlicht: (2022)

Is Parameter Isolation Better for Prompt-Based Continual Learning?
von: Li, Jiangyang, et al.
Veröffentlicht: (2026)

A Survey and Benchmarking of Spatial-Temporal Traffic Data Imputation Models
von: Guo, Shengnan, et al.
Veröffentlicht: (2024)

DRAGD: A Federated Unlearning Data Reconstruction Attack Based on Gradient Differences
von: Ju, Bocheng, et al.
Veröffentlicht: (2025)

A Large-Scale Comparative Analysis of Imputation Methods for Single-Cell RNA Sequencing Data
von: Iwashita, Yuichiro, et al.
Veröffentlicht: (2026)

MH-GIN: Multi-scale Heterogeneous Graph-based Imputation Network for AIS Data (Extended Version)
von: Liu, Hengyu, et al.
Veröffentlicht: (2025)

Water Quality Data Imputation via A Fast Latent Factorization of Tensors with PID-based Optimizer
von: Liu, Qian, et al.
Veröffentlicht: (2025)

Imputation Uncertainty in Interpretable Machine Learning Methods
von: Golchian, Pegah, et al.
Veröffentlicht: (2025)