Copertina

Regression Trees Know Calculus

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Wycoff, Nathan
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

On Thompson Sampling and Bilateral Uncertainty in Additive Bayesian Optimization
di: Wycoff, Nathan
Pubblicazione: (2025)

A Probabilistic Basis for Low-Rank Matrix Learning
di: Segert, Simon, et al.
Pubblicazione: (2025)

Active Subspaces in Infinite Dimension
di: Kundu, Poorbita, et al.
Pubblicazione: (2025)

Formal Bayesian Transfer Learning via the Total Risk Prior
di: Wycoff, Nathan, et al.
Pubblicazione: (2025)

Proximal Iteration for Nonlinear Adaptive Lasso
di: Wycoff, Nathan, et al.
Pubblicazione: (2024)

Voronoi Candidates for Bayesian Optimization
di: Wycoff, Nathan, et al.
Pubblicazione: (2024)

Malliavin Calculus as Stochastic Backpropogation
di: Oden, Kevin D.
Pubblicazione: (2025)

Overfitting Behaviour of Gaussian Kernel Ridgeless Regression: Varying Bandwidth or Dimensionality
di: Medvedev, Marko, et al.
Pubblicazione: (2024)

An Agnostic View on the Cost of Overfitting in (Kernel) Ridge Regression
di: Zhou, Lijia, et al.
Pubblicazione: (2023)

Hinge Regression Tree: A Newton Method for Oblique Regression Tree Splitting
di: Li, Hongyi, et al.
Pubblicazione: (2026)

Ensembles of Probabilistic Regression Trees
di: Seiller, Alexandre, et al.
Pubblicazione: (2024)

Stable Update of Regression Trees
di: Blørstad, Morten, et al.
Pubblicazione: (2024)

When Analytic Calculus Cracks AdaBoost Code
di: Brossier, Jean-Marc, et al.
Pubblicazione: (2023)

Analog Physical Systems Can Exhibit Double Descent
di: Dillavou, Sam, et al.
Pubblicazione: (2025)

T-SHRED: Symbolic Regression for Regularization and Model Discovery with Transformer Shallow Recurrent Decoders
di: Yermakov, Alexey, et al.
Pubblicazione: (2025)

Adjusting Regression Models for Conditional Uncertainty Calibration
di: Gao, Ruijiang, et al.
Pubblicazione: (2024)

Malliavin Calculus for Score-based Diffusion Models
di: Mirafzali, Ehsan, et al.
Pubblicazione: (2025)

Distributional Autoencoders Know the Score
di: Leban, Andrej
Pubblicazione: (2025)

Mixed-feature Logistic Regression Robust to Distribution Shifts
di: Sun, Qingshi, et al.
Pubblicazione: (2025)

LLMs Know When They Know, but Do Not Act on It: A Metacognitive Harness for Test-time Scaling
di: Cao, Qi, et al.
Pubblicazione: (2026)

Knowing What You Know Is Not Enough: Large Language Model Confidences Don't Align With Their Actions
di: Pal, Arka, et al.
Pubblicazione: (2025)

Data-Informed Model Complexity Metric for Optimizing Symbolic Regression Models
di: Haut, Nathan, et al.
Pubblicazione: (2025)

When Models Know When They Do Not Know: Calibration, Cascading, and Cleaning
di: Hao, Chenjie, et al.
Pubblicazione: (2026)

Malliavin Calculus for Counterfactual Gradient Estimation in Adaptive Inverse Reinforcement Learning
di: Krishnamurthy, Vikram, et al.
Pubblicazione: (2026)

Conditioning Diffusions Using Malliavin Calculus
di: Pidstrigach, Jakiw, et al.
Pubblicazione: (2025)

Regression Trees for Fast and Adaptive Prediction Intervals
di: Cabezas, Luben M. C., et al.
Pubblicazione: (2024)

Interpretable Quantile Regression by Optimal Decision Trees
di: Lemaire, Valentin, et al.
Pubblicazione: (2026)

Learning Ultrametric Trees for Optimal Transport Regression
di: Chen, Samantha, et al.
Pubblicazione: (2022)

To Know or Not To Know? Analyzing Self-Consistency of Large Language Models under Ambiguity
di: Sedova, Anastasiia, et al.
Pubblicazione: (2024)

Bayesian Mixture-of-Experts: Towards Making LLMs Know What They Don't Know
di: Li, Albus Yizhuo
Pubblicazione: (2025)

Know Thyself by Knowing Others: Learning Neuron Identity from Population Context
di: Arora, Vinam, et al.
Pubblicazione: (2025)

Know What You Don't Know: Uncertainty Calibration of Process Reward Models
di: Park, Young-Jin, et al.
Pubblicazione: (2025)

Know What You Don't Know: Selective Prediction for Early Exit DNNs
di: Bajpai, Divya Jyoti, et al.
Pubblicazione: (2025)

Inverse Reinforcement Learning with Just Classification and a Few Regressions
di: van der Laan, Lars, et al.
Pubblicazione: (2025)

KnowIt: Deep Time Series Modeling and Interpretation
di: Theunissen, M. W., et al.
Pubblicazione: (2025)

TreeFlow: Going beyond Tree-based Gaussian Probabilistic Regression
di: Wielopolski, Patryk, et al.
Pubblicazione: (2022)

Malliavin Calculus with Weak Derivatives for Counterfactual Stochastic Optimization
di: Krishnamurthy, Vikram, et al.
Pubblicazione: (2025)

The HR-Calculus: Enabling Information Processing with Quaternion Algebra
di: Mandic, Danilo P., et al.
Pubblicazione: (2023)

On Imbalanced Regression with Hoeffding Trees
di: Alchirch, Pantia-Marina, et al.
Pubblicazione: (2026)

Epistemic Deep Learning: Enabling Machine Learning Models to Know When They Do Not Know
di: Manchingal, Shireen Kudukkil
Pubblicazione: (2025)