Buchumschlag

Sparse Linear Regression is Easy on Random Supports

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chandrasekaran, Gautam, Meka, Raghu, Stavropoulos, Konstantinos
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Data Structures and Algorithms Statistics Theory
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learning the Sherrington-Kirkpatrick Model Even at Low Temperature
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2024)

Learning Noisy Halfspaces with a Margin: Massart is No Harder than Random
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Lasso with Latents: Efficient Estimation, Covariate Rescaling, and Computational-Statistical Gaps
von: Kelner, Jonathan, et al.
Veröffentlicht: (2024)

A Fully Polynomial-Time Algorithm for Robustly Learning Halfspaces over the Hypercube
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Learning Neural Networks with Distribution Shift: Efficiently Certifiable Guarantees
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Linear Regression under Missing or Corrupted Coordinates
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

Almost-Optimal Local-Search Methods for Sparse Tensor PCA
von: Lovig, Max, et al.
Veröffentlicht: (2025)

Linear Regression with Unknown Truncation Beyond Gaussian Features
von: Kouridakis, Alexandros, et al.
Veröffentlicht: (2026)

Sample-Efficient Linear Regression with Self-Selection Bias
von: Gaitonde, Jason, et al.
Veröffentlicht: (2024)

Batch List-Decodable Linear Regression via Higher Moments
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

Information-Computation Tradeoffs for Noiseless Linear Regression with Oblivious Contamination
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

Efficient Discrepancy Testing for Learning with Distribution Shift
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2024)

Iterative Chow Filtering for Learning with Distribution Shift
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2026)

Easy, robust approximate message passing for planted spike models
von: Ivkov, Misha, et al.
Veröffentlicht: (2026)

Learning Juntas under Markov Random Fields
von: Chandrasekaran, Gautam, et al.
Veröffentlicht: (2025)

Robust Sparse Mean Estimation via Sum of Squares
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2022)

Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2026)

A Sub-Quadratic Time Algorithm for Robust Sparse Mean Estimation
von: Pensia, Ankit
Veröffentlicht: (2024)

List-Decodable Sparse Mean Estimation via Difference-of-Pairs Filtering
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2022)

Robust Sparse Estimation for Gaussians with Optimal Error under Huber Contamination
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2024)

Faster Diffusion Sampling with Randomized Midpoints: Sequential and Parallel
von: Gupta, Shivam, et al.
Veröffentlicht: (2024)

Distribution Learnability and Robustness
von: Ben-David, Shai, et al.
Veröffentlicht: (2024)

Accurate Analysis of Sparse Random Projections
von: Skórski, Maciej
Veröffentlicht: (2024)

Random Subgraph Detection Using Queries
von: Huleihel, Wasim, et al.
Veröffentlicht: (2021)

The Broader Landscape of Robustness in Algorithmic Statistics
von: Kamath, Gautam
Veröffentlicht: (2024)

A Bias-Accuracy-Privacy Trilemma for Statistical Estimation
von: Kamath, Gautam, et al.
Veröffentlicht: (2023)

Testable Learning with Distribution Shift
von: Klivans, Adam R., et al.
Veröffentlicht: (2023)

Learning Intersections of Halfspaces with Distribution Shift: Improved Algorithms and SQ Lower Bounds
von: Klivans, Adam R., et al.
Veröffentlicht: (2024)

Fast Tensor Completion via Approximate Richardson Iteration
von: Ghadiri, Mehrdad, et al.
Veröffentlicht: (2025)

One-Shot Learning for k-SAT
von: Galanis, Andreas, et al.
Veröffentlicht: (2025)

Smoothed Analysis of Learning from Positive Samples
von: Lee, Jane H., et al.
Veröffentlicht: (2025)

Improved Margin Generalization Bounds for Voting Classifiers
von: Høgsgaard, Mikael Møller, et al.
Veröffentlicht: (2025)

Nearly Optimal Robust Covariance and Scatter Matrix Estimation Beyond Gaussians
von: Novikov, Gleb
Veröffentlicht: (2025)

Online Conformal Prediction with Efficiency Guarantees
von: Srinivas, Vaidehi
Veröffentlicht: (2025)

DDPM Score Matching and Distribution Learning
von: Chewi, Sinho, et al.
Veröffentlicht: (2025)

Robust Learning of Multi-index Models via Iterative Subspace Approximation
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

Sampling and Identity-Testing Without Approximate Tensorization of Entropy
von: Gay, William, et al.
Veröffentlicht: (2025)

Attainability of Two-Point Testing Rates for Finite-Sample Location Estimation
von: Compton, Spencer, et al.
Veröffentlicht: (2025)

Efficient Multivariate Robust Mean Estimation Under Mean-Shift Contamination
von: Diakonikolas, Ilias, et al.
Veröffentlicht: (2025)

Lasso and Partially-Rotated Designs
von: Buhai, Rares-Darius
Veröffentlicht: (2025)