Buchumschlag

Treeffuser: Probabilistic Predictions via Conditional Diffusions with Gradient-Boosted Trees

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Beltran-Velez, Nicolas, Grande, Alessandro Antonio, Nazaret, Achille, Kucukelbir, Alp, Blei, David
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

Extremely Greedy Equivalence Search
von: Nazaret, Achille, et al.
Veröffentlicht: (2025)

Stable Differentiable Causal Discovery
von: Nazaret, Achille, et al.
Veröffentlicht: (2023)

Model Directions, Not Words: Mechanistic Topic Models Using Sparse Autoencoders
von: Zheng, Carolina, et al.
Veröffentlicht: (2025)

Hypothesis Testing the Circuit Hypothesis in LLMs
von: Shi, Claudia, et al.
Veröffentlicht: (2024)

Can Generative AI Solve Your In-Context Learning Problem? A Martingale Perspective
von: Jesson, Andrew, et al.
Veröffentlicht: (2024)

Wrist Photoplethysmography Predicts Dietary Information
von: Verrier, Kyle, et al.
Veröffentlicht: (2025)

Bayesian Empirical Bayes: Simultaneous Inference from Probabilistic Symmetries
von: Wu, Bohan, et al.
Veröffentlicht: (2025)

Duel-Evolve: Reward-Free Test-Time Scaling via LLM Self-Preferences
von: Karlekar, Sweta, et al.
Veröffentlicht: (2026)

Practical and Asymptotically Exact Conditional Sampling in Diffusion Models
von: Wu, Luhuan, et al.
Veröffentlicht: (2023)

Extending Mean-Field Variational Inference via Entropic Regularization: Theory and Computation
von: Wu, Bohan, et al.
Veröffentlicht: (2024)

Estimating the Hallucination Rate of Generative AI
von: Jesson, Andrew, et al.
Veröffentlicht: (2024)

ParamBoost: Gradient Boosted Piecewise Cubic Polynomials
von: Salvadé, Nicolas, et al.
Veröffentlicht: (2026)

Gradient Boosting Decision Tree with LSTM for Investment Prediction
von: Yu, Chang, et al.
Veröffentlicht: (2025)

Generating and Imputing Tabular Data via Diffusion and Flow-based Gradient-Boosted Trees
von: Jolicoeur-Martineau, Alexia, et al.
Veröffentlicht: (2023)

Conditional Diffusion Modeling with Attention for Probabilistic Battery Capacity Prediction under Real-World Condition
von: Jiang, Chunlin, et al.
Veröffentlicht: (2025)

LoBoost: Fast Model-Native Local Conformal Prediction for Gradient-Boosted Trees
von: Santos, Vagner, et al.
Veröffentlicht: (2026)

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

Robust Representation Learning through Explicit Environment Modeling
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2026)

Quantifying Uncertainty in the Presence of Distribution Shifts
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2025)

Density Uncertainty Layers for Reliable Uncertainty Estimation
von: Park, Yookoon, et al.
Veröffentlicht: (2023)

AI Agents as Universal Task Solvers
von: Achille, Alessandro, et al.
Veröffentlicht: (2025)

Multivariate Forecasting of Bitcoin Volatility with Gradient Boosting: Deterministic, Probabilistic, and Feature Importance Perspectives
von: Dudek, Grzegorz, et al.
Veröffentlicht: (2025)

Amortized Variational Inference: When and Why?
von: Margossian, Charles C., et al.
Veröffentlicht: (2023)

Path-Based Gradient Boosting for Graph-Level Prediction
von: Meggio, Claudio, et al.
Veröffentlicht: (2026)

Hierarchical Causal Models
von: Weinstein, Eli N., et al.
Veröffentlicht: (2024)

Input Adaptive Bayesian Model Averaging
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2025)

Building Trees for Probabilistic Prediction via Scoring Rules
von: Shashaani, Sara, et al.
Veröffentlicht: (2024)

Identifiable Deep Generative Models via Sparse Decoding
von: Moran, Gemma E., et al.
Veröffentlicht: (2021)

MorphBoost: Self-Organizing Universal Gradient Boosting with Adaptive Tree Morphing
von: Kriuk, Boris
Veröffentlicht: (2025)

Optimization-based Causal Estimation from Heterogenous Environments
von: Yin, Mingzhang, et al.
Veröffentlicht: (2021)

Condensed Gradient Boosting
von: Emami, Seyedsaman, et al.
Veröffentlicht: (2022)

XGrad: Boosting Gradient-Based Optimizers With Weight Prediction
von: Guan, Lei, et al.
Veröffentlicht: (2023)

Training Data Protection with Compositional Diffusion Models
von: Golatkar, Aditya, et al.
Veröffentlicht: (2023)

Variational Learning of Disentangled Representations
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2025)

Channel-aware Contrastive Conditional Diffusion for Multivariate Probabilistic Time Series Forecasting
von: Li, Siyang, et al.
Veröffentlicht: (2024)

Graph Guided Diffusion: Unified Guidance for Conditional Graph Generation
von: Tenorio, Victor M., et al.
Veröffentlicht: (2025)

Estimating Wage Disparities Using Foundation Models
von: Vafa, Keyon, et al.
Veröffentlicht: (2024)

Neural Generalized Mixed-Effects Models
von: Slavutsky, Yuli, et al.
Veröffentlicht: (2026)

Probabilistic Conformal Prediction with Approximate Conditional Validity
von: Plassier, Vincent, et al.
Veröffentlicht: (2024)

Adaptive Conditional Gradient Descent
von: Khademi, Abbas, et al.
Veröffentlicht: (2025)