Buchumschlag

Navigating Sparsities in High-Dimensional Linear Contextual Bandits

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Rui, Chen, Zihan, Zheng, Zemin
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Statistics Theory Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Early Stopping in Contextual Bandits and Inferences
von: Cui, Zihan
Veröffentlicht: (2025)

SOFARI: High-Dimensional Manifold-Based Inference
von: Zheng, Zemin, et al.
Veröffentlicht: (2023)

Minimax Rate-Optimal Algorithms for High-Dimensional Stochastic Linear Bandits
von: Liu, Jingyu, et al.
Veröffentlicht: (2025)

FLIPHAT: Joint Differential Privacy for High Dimensional Sparse Linear Bandits
von: Chakraborty, Sunrit, et al.
Veröffentlicht: (2024)

Avoiding the Price of Adaptivity: Inference in Linear Contextual Bandits via Stability
von: Praharaj, Samya, et al.
Veröffentlicht: (2025)

Batched Nonparametric Contextual Bandits
von: Jiang, Rong, et al.
Veröffentlicht: (2024)

Transfer Learning for Contextual Multi-armed Bandits
von: Cai, Changxiao, et al.
Veröffentlicht: (2022)

Optimal Batched Linear Bandits
von: Ren, Xuanfei, et al.
Veröffentlicht: (2024)

Testing the Feasibility of Linear Programs with Bandit Feedback
von: Gangrade, Aditya, et al.
Veröffentlicht: (2024)

Truncated LinUCB for Stochastic Linear Bandits
von: Song, Yanglei, et al.
Veröffentlicht: (2022)

Upper Counterfactual Confidence Bounds: a New Optimism Principle for Contextual Bandits
von: Xu, Yunbei, et al.
Veröffentlicht: (2020)

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

Fast Rates for Offline Contextual Bandits with Forward-KL Regularization under Single-Policy Concentrability
von: Zhao, Qingyue, et al.
Veröffentlicht: (2026)

Towards a Sharp Analysis of Offline Policy Learning for $f$-Divergence-Regularized Contextual Bandits
von: Zhao, Qingyue, et al.
Veröffentlicht: (2025)

Order-Explicit Linearization of High-Dimensional $U$-Statistics
von: Ritzwoller, David M., et al.
Veröffentlicht: (2024)

Bivariate Matrix-valued Linear Regression (BMLR): Finite-sample performance under Identifiability and Sparsity Assumptions
von: Bettache, Nayel
Veröffentlicht: (2024)

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

Structural Effect and Spectral Enhancement of High-Dimensional Regularized Linear Discriminant Analysis
von: Zhang, Yonghan, et al.
Veröffentlicht: (2025)

Design Experiments to Compare Multi-armed Bandit Algorithms
von: Meng, Huiling, et al.
Veröffentlicht: (2026)

Extended UCB Policies for Multi-armed Bandit Problems
von: Liu, Keqin, et al.
Veröffentlicht: (2011)

A Simple and Optimal Policy Design with Safety against Heavy-Tailed Risk for Stochastic Bandits
von: Simchi-Levi, David, et al.
Veröffentlicht: (2022)

The Fragility of Optimized Bandit Algorithms
von: Fan, Lin, et al.
Veröffentlicht: (2021)

Factor Augmented High-Dimensional SGD
von: Li, Shubo, et al.
Veröffentlicht: (2026)

Adaptive Smooth Non-Stationary Bandits
von: Suk, Joe
Veröffentlicht: (2024)

Minimax Semiparametric Learning With Approximate Sparsity
von: Bradic, Jelena, et al.
Veröffentlicht: (2019)

Multitask Learning and Bandits via Robust Statistics
von: Xu, Kan, et al.
Veröffentlicht: (2021)

Regret Distribution in Stochastic Bandits: Optimal Trade-off between Expectation and Tail Risk
von: Simchi-Levi, David, et al.
Veröffentlicht: (2023)

Transfer Learning for Nonparametric Contextual Dynamic Pricing
von: Wang, Fan, et al.
Veröffentlicht: (2025)

Multimodal Bandits: Regret Lower Bounds and Optimal Algorithms
von: Réveillard, William, et al.
Veröffentlicht: (2025)

High-Dimensional Importance-Weighted Information Criteria: Theory and Optimality
von: Cao, Yong-Syun, et al.
Veröffentlicht: (2025)

Online Clustering of Data Sequences with Bandit Information
von: Chandran, G Dhinesh, et al.
Veröffentlicht: (2025)

Asymptotically Optimal Problem-Dependent Bandit Policies for Transfer Learning
von: Prevost, Adrien, et al.
Veröffentlicht: (2025)

Multi-Armed Bandits With Machine Learning-Generated Surrogate Rewards
von: Ji, Wenlong, et al.
Veröffentlicht: (2025)

Near-Optimal Regret for KL-Regularized Multi-Armed Bandits
von: Ji, Kaixuan, et al.
Veröffentlicht: (2026)

Statistical Inference for Manifold Similarity and Alignability across Noisy High-Dimensional Datasets
von: Chen, Hongrui, et al.
Veröffentlicht: (2025)

Optimizing High-Dimensional Oblique Splits
von: Chi, Chien-Ming
Veröffentlicht: (2025)

Contextual Dynamic Pricing: Algorithms, Optimality, and Local Differential Privacy Constraints
von: Zhao, Zifeng, et al.
Veröffentlicht: (2024)

Sampling from Constrained Gibbs Measures: with Applications to High-Dimensional Bayesian Inference
von: Wang, Ruixiao, et al.
Veröffentlicht: (2026)

The Price of Sparsity: Sufficient Conditions for Sparse Recovery using Sparse and Sparsified Measurements
von: Chaabouni, Youssef, et al.
Veröffentlicht: (2025)

On Instability of Minimax Optimal Optimism-Based Bandit Algorithms
von: Praharaj, Samya, et al.
Veröffentlicht: (2025)