Buchumschlag

Risk Bounds For Distributional Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Padilla, Carlos Misael Madrid, Padilla, Oscar Hernan Madrid, Chatterjee, Sabyasachi
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

Dense ReLU Neural Networks for Temporal-spatial Model
von: Padilla, Carlos Misael Madrid, et al.
Veröffentlicht: (2024)

Confidence Interval Construction and Conditional Variance Estimation with Dense ReLU Networks
von: Padilla, Carlos Misael Madrid, et al.
Veröffentlicht: (2024)

Variance estimation in graphs with the fused lasso
von: Padilla, Oscar Hernan Madrid
Veröffentlicht: (2022)

Optimal Bias-variance Tradeoff in Matrix and Tensor Estimation
von: Kumar, Shivam, et al.
Veröffentlicht: (2025)

Robust and Scalable Variational Bayes
von: Padilla, Carlos Misael Madrid, et al.
Veröffentlicht: (2025)

Model-Free Kernel Conformal Depth Measures Algorithm for Uncertainty Quantification in Regression Models in Separable Hilbert Spaces
von: Matabuena, Marcos, et al.
Veröffentlicht: (2025)

Multivariate Poisson intensity estimation via low-rank tensor decomposition
von: Xu, Haotian, et al.
Veröffentlicht: (2025)

A causal fused lasso for interpretable heterogeneous treatment effects estimation
von: Padilla, Oscar Hernan Madrid, et al.
Veröffentlicht: (2021)

Network two-sample test for block models
von: Nguen, Chung Kyong, et al.
Veröffentlicht: (2024)

Conditional Mean and Variance Estimation via \textit{k}-NN Algorithm with Automated Variance Selection
von: Matabuena, Marcos, et al.
Veröffentlicht: (2024)

New Risk Bounds for 2D Total Variation Denoising
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2019)

Adaptive Estimation of Multivariate Piecewise Polynomials and Bounded Variation Functions by Optimal Decision Trees
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2019)

Minmax Trend Filtering: Generalizations of Total Variation Denoising via a Local Minmax/Maxmin Formula
von: Chatterjee, Sabyasachi
Veröffentlicht: (2024)

Bayesian variance change point detection with credible sets
von: Cappello, Lorenzo, et al.
Veröffentlicht: (2022)

High confidence inference on the probability an individual benefits from treatment using experimental or observational data with known propensity scores
von: Ruiz, Gabriel, et al.
Veröffentlicht: (2022)

A Bayesian framework for change-point detection with uncertainty quantification
von: Berlind, Davis, et al.
Veröffentlicht: (2025)

Bayesian Transfer Learning for Enhanced Estimation and Inference
von: Lai, Daoyuan, et al.
Veröffentlicht: (2024)

Quantile Additive Trend Filtering
von: Zhang, Zhi, et al.
Veröffentlicht: (2023)

Distribution-dependent Generalization Bounds for Tuning Linear Regression Across Tasks
von: Balcan, Maria-Florina, et al.
Veröffentlicht: (2025)

Sharp Risk Bounds for Early-Stopping in Gaussian Linear Regression
von: Wegel, Tobias, et al.
Veröffentlicht: (2025)

A new approach to locally adaptive polynomial regression
von: Chatterjee, Sabyasachi, et al.
Veröffentlicht: (2024)

Optimal Excess Risk Bounds for Empirical Risk Minimization on $p$-Norm Linear Regression
von: Hanchi, Ayoub El, et al.
Veröffentlicht: (2023)

Centralized and Federated Heart Disease Classification Models Using UCI Dataset and their Shapley-value Based Interpretability
von: Rodriguez, Mario Padilla, et al.
Veröffentlicht: (2024)

Semi-Supervised Learning with Noisy Proxy Covariates: Generalization Bounds and Distribution Regression
von: Kim, Kwangho, et al.
Veröffentlicht: (2026)

Change Point Detection on A Separable Model for Dynamic Networks
von: Kei, Yik Lun, et al.
Veröffentlicht: (2023)

Approximation Bounds for Transformer Networks with Application to Regression
von: Jiao, Yuling, et al.
Veröffentlicht: (2025)

Tighter Confidence Bounds for Sequential Kernel Regression
von: Flynn, Hamish, et al.
Veröffentlicht: (2024)

Conformalized Regression for Continuous Bounded Outcomes
von: Wu, Zhanli, et al.
Veröffentlicht: (2025)

Statistical Guarantees for Lifelong Reinforcement Learning using PAC-Bayes Theory
von: Zhang, Zhi, et al.
Veröffentlicht: (2024)

Generalization Bounds for Dependent Data using Online-to-Batch Conversion
von: Chatterjee, Sagnik, et al.
Veröffentlicht: (2024)

Distribution-Free Confidence Ellipsoids for Ridge Regression with PAC Bounds
von: Szentpéteri, Szabolcs, et al.
Veröffentlicht: (2026)

Approximation Bounds for Recurrent Neural Networks with Application to Regression
von: Jiao, Yuling, et al.
Veröffentlicht: (2024)

Bridging Distributional and Risk-sensitive Reinforcement Learning with Provable Regret Bounds
von: Liang, Hao, et al.
Veröffentlicht: (2022)

Error Bounds For Gaussian Process Regression Under Bounded Support Noise With Applications To Safety Certification
von: Reed, Robert, et al.
Veröffentlicht: (2024)

PAC-Bayes Bounds for Multivariate Linear Regression and Linear Autoencoders
von: Guo, Ruixin, et al.
Veröffentlicht: (2025)

Generalization Bounds for Causal Regression: Insights, Guarantees and Sensitivity Analysis
von: Csillag, Daniel, et al.
Veröffentlicht: (2024)

Multilayer random dot product graphs: Estimation and online change point detection
von: Wang, Fan, et al.
Veröffentlicht: (2023)

PUL-Inter-slice Defender: An Anomaly Detection Solution for Distributed Slice Mobility Attacks
von: Molina, Ricardo Misael Ayala, et al.
Veröffentlicht: (2025)

Bayesian Additive Distribution Regression
von: Linero, Antonio R., et al.
Veröffentlicht: (2026)

Stagewise Boosting Distributional Regression
von: Wetscher, Mattias, et al.
Veröffentlicht: (2024)