Buchumschlag

A more efficient method for large-sample model-free feature screening via multi-armed bandits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ouyang, Xiaxue, Kang, Xinlai, Li, Mengyu, Dou, Zhenxing, Yu, Jun, Meng, Cheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Leveraging priors on distribution functions for multi-arm bandits
von: Vashishtha, Sumit, et al.
Veröffentlicht: (2025)

Trading off rewards and errors in multi-armed bandits
von: Erraqabi, Akram, et al.
Veröffentlicht: (2026)

Minimax-optimal trust-aware multi-armed bandits
von: Cai, Changxiao, et al.
Veröffentlicht: (2024)

Functional multi-armed bandit and the best function identification problems
von: Dorn, Yuriy, et al.
Veröffentlicht: (2025)

Information maximization for a broad variety of multi-armed bandit games
von: Barbier-Chebbah, Alex, et al.
Veröffentlicht: (2025)

Achieving adaptivity and optimality for multi-armed bandits using Exponential-Kullback Leibler Maillard Sampling
von: Qin, Hao, et al.
Veröffentlicht: (2025)

UCB algorithms for multi-armed bandits: Precise regret and adaptive inference
von: Han, Qiyang, et al.
Veröffentlicht: (2024)

Softmax gradient policy for variance minimization and risk-averse multi armed bandits
von: Turinici, Gabriel
Veröffentlicht: (2026)

HELLINGER-UCB: A novel algorithm for stochastic multi-armed bandit problem and cold start problem in recommender system
von: Yang, Ruibo, et al.
Veröffentlicht: (2024)

A survey on multi-player bandits
von: Boursier, Etienne, et al.
Veröffentlicht: (2022)

AngelSlim: A more accessible, comprehensive, and efficient toolkit for large model compression
von: Cen, Rui, et al.
Veröffentlicht: (2026)

Small steps no more: Global convergence of stochastic gradient bandits for arbitrary learning rates
von: Mei, Jincheng, et al.
Veröffentlicht: (2025)

Extreme bandits
von: Carpentier, Alexandra, et al.
Veröffentlicht: (2026)

Prior-informed optimization of treatment recommendation via bandit algorithms trained on large language model-processed historical records
von: Nessari, Saman, et al.
Veröffentlicht: (2025)

Continuous-time multi-armed bandits under random intervention times
von: Noba, Kei, et al.
Veröffentlicht: (2026)

Asymptotic properties of a multicolored random reinforced urn model with an application to multi-armed bandits
von: Yang, Li, et al.
Veröffentlicht: (2024)

Spectral bandits
von: Kocák, Tomáš, et al.
Veröffentlicht: (2026)

Importance Sparsification for Sinkhorn Algorithm
von: Li, Mengyu, et al.
Veröffentlicht: (2023)

Adversarial bandit optimization for approximately linear functions
von: Cheng, Zhuoyu, et al.
Veröffentlicht: (2025)

Solving multi-armed bandit problems using a chaotic microresonator comb
von: Cuevas, Jonathan, et al.
Veröffentlicht: (2023)

Unified theory of upper confidence bound policies for bandit problems targeting total reward, maximal reward, and more
von: Kikkawa, Nobuaki, et al.
Veröffentlicht: (2024)

Efficient kernelized bandit algorithms via exploration distributions
von: Hu, Bingshan, et al.
Veröffentlicht: (2025)

Performance-bounded Online Ensemble Learning Method Based on Multi-armed bandits and Its Applications in Real-time Safety Assessment
von: Hu, Songqiao, et al.
Veröffentlicht: (2025)

Information-directed sampling for bandits: a primer
von: Hirling, Annika, et al.
Veröffentlicht: (2025)

Active clustering with bandit feedback
von: Thuot, Victor, et al.
Veröffentlicht: (2024)

Ensemble sampling for linear bandits: small ensembles suffice
von: Janz, David, et al.
Veröffentlicht: (2023)

Positive region preserved random sampling: an efficient feature selection method for massive data
von: Bai, Hexiang, et al.
Veröffentlicht: (2025)

Variance-sensitive Thompson sampling for generalised linear bandits, revisited
von: Perneczky, Tom, et al.
Veröffentlicht: (2026)

Redundant feature screening method for human activity recognition based on attention purification mechanism
von: Li, Xiaoyang, et al.
Veröffentlicht: (2025)

Instance-dependent Stochastic Lipschitz bandit
von: Potfer, Marius, et al.
Veröffentlicht: (2026)

Spectral bandits for smooth graph functions
von: Valko, Michal, et al.
Veröffentlicht: (2026)

Approximate information maximization for bandit games
von: Barbier-Chebbah, Alex, et al.
Veröffentlicht: (2023)

Online learning in bandits with predicted context
von: Guo, Yongyi, et al.
Veröffentlicht: (2023)

Regularization can make diffusion models more efficient
von: Taheri, Mahsa, et al.
Veröffentlicht: (2025)

Sequential query prediction based on multi‑armed bandits with ensemble of transformer experts and immediate feedback
von: Puthiya Parambath, Shameem A, et al.
Veröffentlicht: (2024)

Risk and optimal policies in bandit experiments
von: Adusumilli, Karun
Veröffentlicht: (2021)

Multi‐armed bandit based online model selection for concept‐drift adaptation
von: Jobin Wilson, et al.
Veröffentlicht: (2024)

Linear bandits with polylogarithmic minimax regret
von: Lumbreras, Josep, et al.
Veröffentlicht: (2024)

Revealing graph bandits for maximizing local influence
von: Carpentier, Alexandra, et al.
Veröffentlicht: (2026)

On the optimal regret of collaborative personalized linear bandits
von: Huang, Bruce, et al.
Veröffentlicht: (2025)