Buchumschlag

Near-Polynomially Competitive Active Logistic Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhou, Yihan, Price, Eric, Nguyen, Trung
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Competitive Algorithm for Agnostic Active Learning
von: Price, Eric, et al.
Veröffentlicht: (2023)

A General Theory for Softmax Gating Multinomial Logistic Mixture of Experts
von: Nguyen, Huy, et al.
Veröffentlicht: (2023)

FIRAL: An Active Learning Algorithm for Multinomial Logistic Regression
von: Chen, Youguang, et al.
Veröffentlicht: (2024)

Towards Fundamental Limits for Active Multi-distribution Learning
von: Zhang, Chicheng, 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)

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

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

Near Optimal Pure Exploration in Logistic Bandits
von: Rivera, Eduardo Ochoa, et al.
Veröffentlicht: (2024)

Fast Model Selection and Stable Optimization for Softmax-Gated Multinomial-Logistic Mixture of Experts Models
von: Tran, TrungKhang, et al.
Veröffentlicht: (2026)

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

Near-optimal Active Regression of Single-Index Models
von: Li, Yi, et al.
Veröffentlicht: (2025)

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

Nearly Minimax Optimal Regret for Multinomial Logistic Bandit
von: Lee, Joongkyu, et al.
Veröffentlicht: (2024)

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

$L_1$-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)

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

Interpretable Predictive Models for Healthcare via Rational Logistic Regression
von: Suttaket, Thiti, et al.
Veröffentlicht: (2024)

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

Adaptive Active Learning for Regression via Reinforcement Learning
von: Nguyen, Simon D., et al.
Veröffentlicht: (2026)

Batch Active Learning in Gaussian Process Regression using Derivatives
von: Yu, Hon Sum Alec, et al.
Veröffentlicht: (2024)

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

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

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

CompeteSMoE -- Effective Training of Sparse Mixture of Experts via Competition
von: Pham, Quang, et al.
Veröffentlicht: (2024)

Bagged Polynomial Regression and Neural Networks
von: Klosin, Sylvia, et al.
Veröffentlicht: (2022)

Multilingual Hope Speech Detection: A Comparative Study of Logistic Regression, mBERT, and XLM-RoBERTa with Active Learning
von: Abiola, T. O., et al.
Veröffentlicht: (2025)

Local Steps Speed Up Local GD for Heterogeneous Distributed Logistic Regression
von: Crawshaw, Michael, et al.
Veröffentlicht: (2025)

Tight Bounds for Logistic Regression with Large Stepsize Gradient Descent in Low Dimension
von: Crawshaw, Michael, et al.
Veröffentlicht: (2026)

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

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

Local Polynomial Lp-norm Regression
von: Tazik, Ladan, et al.
Veröffentlicht: (2025)

Robust Local Polynomial Regression with Similarity Kernels
von: Shulman, Yaniv
Veröffentlicht: (2025)

FLRNet: A Deep Learning Method for Regressive Reconstruction of Flow Field From Limited Sensor Measurements
von: Nguyen, Phong C. H., et al.
Veröffentlicht: (2024)

High-dimensional Asymptotics of Generalization Performance in Continual Ridge Regression
von: Zhao, Yihan, et al.
Veröffentlicht: (2025)

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

Rethinking Multinomial Logistic Mixture of Experts with Sigmoid Gating Function
von: Pham, Tuan Minh, et al.
Veröffentlicht: (2026)