Buchumschlag

Semi-supervised learning for linear extremile regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Jiang, Rong, Yu, Keming, Wang, Jiangfeng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A semi-supervised learning using over-parameterized regression
von: Hagiwara, Katsuyuki
Veröffentlicht: (2024)

Semi-supervised Vertex Hunting, with Applications in Network and Text Analysis
von: Jiang, Yicong, et al.
Veröffentlicht: (2025)

A flexible empirical Bayes approach to multiple linear regression and connections with penalized regression
von: Kim, Youngseok, et al.
Veröffentlicht: (2022)

Semi-supervised Clustering Through Representation Learning of Large-scale EHR Data
von: Wang, Linshanshan, et al.
Veröffentlicht: (2025)

Augmented balancing weights as linear regression
von: Bruns-Smith, David, et al.
Veröffentlicht: (2023)

Transfer learning for functional linear regression via control variates
von: Yang, Yuping, et al.
Veröffentlicht: (2026)

Semi-supervised Regression Analysis with Model Misspecification and High-dimensional Data
von: Tian, Ye, et al.
Veröffentlicht: (2024)

Fast approximative estimation of conditional Shapley values when using a linear regression model or a polynomial regression model
von: Aanes, Fredrik Lohne
Veröffentlicht: (2025)

Augmented transfer regression learning for completely missing covariates
von: Zhao, Huali, et al.
Veröffentlicht: (2026)

High-dimensional semi-supervised learning: in search for optimal inference of the mean
von: Zhang, Yuqian, et al.
Veröffentlicht: (2019)

Semi-supervised linear regression: enhancing efficiency and robustness in high dimensions
von: Chen, Kai, et al.
Veröffentlicht: (2023)

Convex estimation of Gaussian graphical regression models with covariates
von: Liu, Ruobin, et al.
Veröffentlicht: (2024)

BARTSIMP: flexible spatial covariate modeling and prediction using Bayesian additive regression trees
von: Jiang, Alex Ziyu, et al.
Veröffentlicht: (2023)

Generalized extremiles and risk measures of distorted random variables
von: Debrauwer, Dieter, et al.
Veröffentlicht: (2024)

Semi-supervised learning using copula-based regression and model averaging
von: Gao, Ziwen, et al.
Veröffentlicht: (2024)

Bayesian Semi-supervised Inference via a Debiased Modeling Approach
von: Sert, Gözde, et al.
Veröffentlicht: (2025)

Adversarial learning for nonparametric regression: Minimax rate and adaptive estimation
von: Peng, Jingfu, et al.
Veröffentlicht: (2025)

Network-based Neighborhood regression
von: Zhen, Yaoming, et al.
Veröffentlicht: (2024)

Progression: an extrapolation principle for regression
von: Buriticá, Gloria, et al.
Veröffentlicht: (2024)

Dimension-free bounds in high-dimensional linear regression via error-in-operator approach
von: Noskov, Fedor, et al.
Veröffentlicht: (2025)

Statistical inference for case-control logistic regression via integrating external summary data
von: Shi, Hengchao, et al.
Veröffentlicht: (2024)

Debiased high-dimensional regression calibration for errors-in-variables log-contrast models
von: Zhao, Huali, et al.
Veröffentlicht: (2024)

Neural interval-censored survival regression with feature selection
von: Meixide, Carlos García, et al.
Veröffentlicht: (2022)

A self-supervised learning approach for denoising autoregressive models with additive noise: finite and infinite variance cases
von: Banerjee, Sayantan, et al.
Veröffentlicht: (2025)

Semi-supervised linear regression with missing covariates
von: Risebrow, Benedict M., et al.
Veröffentlicht: (2026)

flexBART: Flexible Bayesian regression trees with categorical predictors
von: Deshpande, Sameer K.
Veröffentlicht: (2022)

Personalizing black-box models for nonparametric regression with minimax optimality
von: Li, Sai, et al.
Veröffentlicht: (2026)

Wasserstein F-tests for Fréchet regression on Bures-Wasserstein manifolds
von: Xu, Haoshu, et al.
Veröffentlicht: (2024)

Provably robust learning of regression neural networks using $β$-divergences
von: Ghosh, Abhik, et al.
Veröffentlicht: (2026)

Quantifying predictive uncertainty of aphasia severity in stroke patients with sparse heteroscedastic Bayesian high-dimensional regression
von: Zgodic, Anja, et al.
Veröffentlicht: (2023)

An interpretable neural network-based non-proportional odds model for ordinal regression
von: Okuno, Akifumi, et al.
Veröffentlicht: (2023)

Fréchet random forests for metric space valued regression with non euclidean predictors
von: Capitaine, Louis, et al.
Veröffentlicht: (2019)

An integrated perspective of robustness in regression through the lens of the bias-variance trade-off
von: Okuno, Akifumi
Veröffentlicht: (2024)

Robust non-parametric mortality and fertility modelling and forecasting: Gaussian process regression approaches
von: Lam, Ka Kin, et al.
Veröffentlicht: (2021)

Guiding adaptive shrinkage by co-data to improve regression-based prediction and feature selection
von: van de Wiel, Mark A., et al.
Veröffentlicht: (2024)

SADA: Safe and Adaptive Aggregation of Multiple Black-Box Predictions in Semi-Supervised Learning
von: Shan, Jiawei, et al.
Veröffentlicht: (2025)

Semi-Modular Inference: enhanced learning in multi-modular models by tempering the influence of components
von: Carmona, Chris U., et al.
Veröffentlicht: (2020)

Approximate Bayesian inference for cumulative probit regression models
von: Aliverti, Emanuele
Veröffentlicht: (2025)

K-Tensors: Clustering Positive Semi-Definite Matrices
von: Zhang, Hanchao, et al.
Veröffentlicht: (2023)

A Semi-Supervised Kernel Two-Sample Test
von: Lee, Gyumin, et al.
Veröffentlicht: (2026)