Copertina

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Wegel, Tobias, Kur, Gil, Rebeschini, Patrick
Natura:	Preprint
Pubblicazione:	2025
Soggetti:	Machine Learning Statistics Theory
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

An Efficient Minimax Optimal Estimator For Multivariate Convex Regression
di: Kur, Gil, et al.
Pubblicazione: (2022)

On the Variance, Admissibility, and Stability of Empirical Risk Minimization
di: Kur, Gil, et al.
Pubblicazione: (2023)

Convex Regression in Multidimensions: Suboptimality of Least Squares Estimators
di: Kur, Gil, et al.
Pubblicazione: (2020)

Time-sensitive anytime-valid testing
di: Clerico, Eugenio, et al.
Pubblicazione: (2026)

A Novel Framework for Policy Mirror Descent with General Parameterization and Linear Convergence
di: Alfano, Carlo, et al.
Pubblicazione: (2023)

Sharp Generalization for Nonparametric Regression in Interpolation Space by Over-Parameterized Neural Networks Trained with Preconditioned Gradient Descent and Early Stopping
di: Yang, Yingzhen, 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)

On Regularization via Early Stopping for Least Squares Regression
di: Sonthalia, Rishi, et al.
Pubblicazione: (2024)

Implicit Regularisation in Diffusion Models: An Algorithm-Dependent Generalisation Analysis
di: Farghly, Tyler, et al.
Pubblicazione: (2025)

Minimum Norm Interpolation via The Local Theory of Banach Spaces: The Role of $2$-Uniform Convexity
di: Kur, Gil, et al.
Pubblicazione: (2026)

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

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

Towards Sharp Minimax Risk Bounds for Operator Learning
di: Adcock, Ben, et al.
Pubblicazione: (2025)

Convex SGD: Generalization Without Early Stopping
di: Hendrickx, Julien, et al.
Pubblicazione: (2024)

Sharp Structure-Agnostic Lower Bounds for General Linear Functional Estimation
di: Jin, Jikai, et al.
Pubblicazione: (2025)

Failures and Successes of Cross-Validation for Early-Stopped Gradient Descent
di: Patil, Pratik, et al.
Pubblicazione: (2024)

Sharp Gaussian approximations for Decentralized Federated Learning
di: Bonnerjee, Soham, et al.
Pubblicazione: (2025)

Sharp Bounds for Poly-GNNs and the Effect of Graph Noise
di: Vinas, Luciano, et al.
Pubblicazione: (2024)

On Stopping Times of Power-one Sequential Tests: Tight Lower and Upper Bounds
di: Agrawal, Shubhada, et al.
Pubblicazione: (2025)

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

Generalization Bounds and Stopping Rules for Learning with Self-Selected Data
di: Rodemann, Julian, et al.
Pubblicazione: (2025)

Training Diagonal Linear Networks with Stochastic Sharpness-Aware Minimization
di: Clara, Gabriel, et al.
Pubblicazione: (2025)

Random Matrix Theory of Early-Stopped Gradient Flow: A Transient BBP Scenario
di: Coeurdoux, Florentin, et al.
Pubblicazione: (2026)

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

Sharp Inequalities between Total Variation and Hellinger Distances for Gaussian Mixtures
di: Jung, Joonhyuk, et al.
Pubblicazione: (2026)

Early Stopping in Contextual Bandits and Inferences
di: Cui, Zihan
Pubblicazione: (2025)

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)

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

Support Vector Regression: Risk Quadrangle Framework
di: Malandii, Anton, et al.
Pubblicazione: (2022)

Sharp One-Dimensional Sub-Gaussian Comparison in Convex Order
di: Zhang, Yihan
Pubblicazione: (2026)

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

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

Asymptotics of Random Feature Regression Beyond the Linear Scaling Regime
di: Hu, Hong, et al.
Pubblicazione: (2024)

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

Adversarial Surrogate Risk Bounds for Binary Classification
di: Frank, Natalie S.
Pubblicazione: (2025)

Early Stopping for Regression Trees
di: Miftachov, Ratmir, et al.
Pubblicazione: (2025)

Fast Rates for Nonstationary Weighted Risk Minimization
di: Brock, Tobias, et al.
Pubblicazione: (2026)

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