:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Suttaket, Thiti, Vardhan, L Vivek Harsha, Kok, Stanley
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2411.03224
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

In-Training Multicalibrated Survival Analysis for Healthcare via Constrained Optimization
von: Suttaket, Thiti, et al.
Veröffentlicht: (2025)

Practical Global and Local Bounds in Gaussian Process Regression via Chaining
von: Liu, Junyi, et al.
Veröffentlicht: (2025)

Prediction of Bank Credit Ratings using Heterogeneous Topological Graph Neural Networks
von: Liu, Junyi, et al.
Veröffentlicht: (2025)

Replay to Remember (R2R): An Efficient Uncertainty-driven Unsupervised Continual Learning Framework Using Generative Replay
von: Mandalika, Sriram, et al.
Veröffentlicht: (2025)

Are Logistic Models Really Interpretable?
von: Dervovic, Danial, et al.
Veröffentlicht: (2024)

Simplex-to-Euclidean Bijection for Conjugate and Calibrated Multiclass Gaussian Process
von: Williams, Bernardo, et al.
Veröffentlicht: (2026)

Wave Physics-informed Matrix Factorizations
von: Tetali, Harsha Vardhan, et al.
Veröffentlicht: (2023)

A Logistic Regression Model to Predict Malaria Severity in Children
von: Ansong, Mary Opokua, et al.
Veröffentlicht: (2026)

Grokking in Linear Models for Logistic Regression
von: Das, Nataraj, et al.
Veröffentlicht: (2026)

Feature-Wise Mixing for Mitigating Contextual Bias in Predictive Supervised Learning
von: Tomar, Yash Vardhan
Veröffentlicht: (2025)

Explainable Risk Classification in Financial Reports
von: Tan, Xue Wen, et al.
Veröffentlicht: (2024)

Explainable AI for Comprehensive Risk Assessment for Financial Reports: A Lightweight Hierarchical Transformer Network Approach
von: Tan, Xue Wen, et al.
Veröffentlicht: (2025)

Compact Memory for Continual Logistic Regression
von: Jung, Yohan, et al.
Veröffentlicht: (2025)

Efficient Logistic Regression with Mixture of Sigmoids
von: Di Gennaro, Federico, et al.
Veröffentlicht: (2026)

Minimax Optimal Convergence of Gradient Descent in Logistic Regression via Large and Adaptive Stepsizes
von: Zhang, Ruiqi, et al.
Veröffentlicht: (2025)

F-measure Maximizing Logistic Regression
von: Okabe, Masaaki, et al.
Veröffentlicht: (2019)

Semi-parametric Functional Classification via Path Signatures Logistic Regression
von: Zeng, Pengcheng, et al.
Veröffentlicht: (2025)

An Experiment on Feature Selection using Logistic Regression
von: Islam, Raisa, et al.
Veröffentlicht: (2024)

Near-Polynomially Competitive Active Logistic Regression
von: Zhou, Yihan, et al.
Veröffentlicht: (2025)

Impact of Label Noise on Learning Complex Features
von: Vashisht, Rahul, et al.
Veröffentlicht: (2024)

Data Science with LLMs and Interpretable Models
von: Bordt, Sebastian, et al.
Veröffentlicht: (2024)

Transformers Efficiently Perform In-Context Logistic Regression via Normalized Gradient Descent
von: Zhang, Chenyang, et al.
Veröffentlicht: (2026)

Distributionally and Adversarially Robust Logistic Regression via Intersecting Wasserstein Balls
von: Selvi, Aras, et al.
Veröffentlicht: (2024)

Riemannian Multinomial Logistics Regression for SPD Neural Networks
von: Chen, Ziheng, et al.
Veröffentlicht: (2023)

Meta-Continual Mobility Forecasting for Proactive Handover Prediction
von: Mandapati, Sasi Vardhan Reddy
Veröffentlicht: (2025)

LFFR: Logistic Function For (single-output) Regression
von: Chiang, John
Veröffentlicht: (2024)

Leveraging Interpretability in the Transformer to Automate the Proactive Scaling of Cloud Resources
von: Ba, Amadou, et al.
Veröffentlicht: (2024)

Data-Driven Logistic Regression Ensembles With Applications in Genomics
von: Christidis, Anthony-Alexander, et al.
Veröffentlicht: (2021)

Interpretable Tabular Foundation Models via In-Context Kernel Regression
von: Miftachov, Ratmir, et al.
Veröffentlicht: (2026)

$L_1$-norm Regularized Indefinite Kernel Logistic Regression
von: Wang, Shaoxin, et al.
Veröffentlicht: (2025)

Large Stepsizes Accelerate Gradient Descent for Regularized Logistic Regression
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

Benefits of Early Stopping in Gradient Descent for Overparameterized Logistic Regression
von: Wu, Jingfeng, et al.
Veröffentlicht: (2025)

Constant Stepsize Local GD for Logistic Regression: Acceleration by Instability
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

Residue-based Label Protection Mechanisms in Vertical Logistic Regression
von: Tan, Juntao, et al.
Veröffentlicht: (2022)

RMLR: Extending Multinomial Logistic Regression into General Geometries
von: Chen, Ziheng, et al.
Veröffentlicht: (2024)

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

Scalable Kernel Logistic Regression with Nyström Approximation: Theoretical Analysis and Application to Discrete Choice Modelling
von: Martín-Baos, José Ángel, et al.
Veröffentlicht: (2024)

Auditable Unit-Aware Thresholds in Symbolic Regression via Logistic-Gated Operators
von: Deng, Ou, et al.
Veröffentlicht: (2025)

Exponential Convergence of (Stochastic) Gradient Descent for Separable Logistic Regression
von: Kale, Sacchit, et al.
Veröffentlicht: (2026)

Are Linear Regression Models White Box and Interpretable?
von: Salih, Ahmed M, et al.
Veröffentlicht: (2024)