Buchumschlag

Private Sketches for Linear Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Das, Shrutimoy, Nayak, Debanuj, Dasgupta, Anirban
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

Linear Programming based Approximation to Individually Fair k-Clustering with Outliers
von: Maity, Binita, et al.
Veröffentlicht: (2024)

Differentially Private Multi-Sampling from Distributions
von: Cheu, Albert, et al.
Veröffentlicht: (2024)

Local Fragments, Global Gains: Subgraph Counting using Graph Neural Networks
von: Roy, Shubhajit, et al.
Veröffentlicht: (2023)

Local Search-based Individually Fair Clustering with Outliers
von: Maity, Binita, et al.
Veröffentlicht: (2025)

Differentially Private Modeling of Disease Transmission within Human Contact Networks
von: Hod, Shlomi, et al.
Veröffentlicht: (2026)

Review of Extreme Multilabel Classification
von: Dasgupta, Arpan, et al.
Veröffentlicht: (2023)

High-Dimensional Private Linear Regression with Optimal Rates
von: Bombari, Simone, et al.
Veröffentlicht: (2025)

'Si'multaneous 'S'patial-'T'emporal Message Passing for Dynamic Graph Representation Learning
von: Roy, Shubhajit, et al.
Veröffentlicht: (2026)

Private Linear Regression with Differential Privacy and PAC Privacy
von: Yang, Hillary, et al.
Veröffentlicht: (2024)

Differentially Private Linear Regression and Synthetic Data Generation with Statistical Guarantees
von: Lin, Shurong, et al.
Veröffentlicht: (2025)

On the (Generative) Linear Sketching Problem
von: Yuan, Xinyu, et al.
Veröffentlicht: (2026)

From One-Pass SGD to Data Reuse: Mini-Batch Scaling Laws in Sketched Linear Regression
von: Chen, Ziyan, et al.
Veröffentlicht: (2026)

Differentially Private Inference for Longitudinal Linear Regression
von: Sopa, Getoar, et al.
Veröffentlicht: (2026)

Differentially Private Sparse Linear Regression with Heavy-tailed Responses
von: Tian, Xizhi, et al.
Veröffentlicht: (2025)

Private and Communication-Efficient Federated Learning based on Differentially Private Sketches
von: Zhang, Meifan, et al.
Veröffentlicht: (2024)

Enhancing Differentially Private Linear Regression via Public Second-Moment
von: Cao, Zilong, et al.
Veröffentlicht: (2025)

Differentially Private Iterative Screening Rules for Linear Regression
von: Khanna, Amol, et al.
Veröffentlicht: (2025)

Grokking in Linear Models for Logistic Regression
von: Das, Nataraj, et al.
Veröffentlicht: (2026)

Deep Sketched Output Kernel Regression for Structured Prediction
von: Ahmad, Tamim El, et al.
Veröffentlicht: (2024)

FIT-GNN: Faster Inference Time for GNNs that 'FIT' in Memory Using Coarsening
von: Roy, Shubhajit, et al.
Veröffentlicht: (2024)

Differentially Private Geodesic Regression
von: Kulkarni, Aditya, et al.
Veröffentlicht: (2025)

Bayesian Data Sketching for Varying Coefficient Regression Models
von: Guhaniyogi, Rajarshi, et al.
Veröffentlicht: (2025)

Revisiting Matrix Sketching in Linear Bandits: Achieving Sublinear Regret via Dyadic Block Sketching
von: Wen, Dongxie, et al.
Veröffentlicht: (2024)

Sketched Gaussian Mechanism for Private Federated Learning
von: Li, Qiaobo, et al.
Veröffentlicht: (2025)

Distributed Differentially Private Data Analytics via Secure Sketching
von: Burkhardt, Jakob, et al.
Veröffentlicht: (2024)

Scaling Federated Linear Contextual Bandits via Sketching
von: Yang, Hantao, et al.
Veröffentlicht: (2026)

Disparate Impact on Group Accuracy of Linearization for Private Inference
von: Das, Saswat, et al.
Veröffentlicht: (2024)

Refined Differentially Private Linear Regression via Extension of a Free Lunch Result
von: S, Sasmita Harini, et al.
Veröffentlicht: (2026)

Beyond Covariance Matrix: The Statistical Complexity of Private Linear Regression
von: Chen, Fan, et al.
Veröffentlicht: (2025)

Testing Credibility of Public and Private Surveys through the Lens of Regression
von: Basu, Debabrota, et al.
Veröffentlicht: (2024)

Private Gradient Descent for Linear Regression: Tighter Error Bounds and Instance-Specific Uncertainty Estimation
von: Brown, Gavin, et al.
Veröffentlicht: (2024)

Sketch-guided Image Inpainting with Partial Discrete Diffusion Process
von: Sharma, Nakul, et al.
Veröffentlicht: (2024)

Deterministic Coreset for Lp Subspace
von: Chhaya, Rachit, et al.
Veröffentlicht: (2026)

List-Decodable Regression via Expander Sketching
von: Pourali, Herbod, et al.
Veröffentlicht: (2025)

PRIMO: Private Regression in Multiple Outcomes
von: Neel, Seth
Veröffentlicht: (2023)

Nearly Optimal Differentially Private ReLU Regression
von: Ding, Meng, et al.
Veröffentlicht: (2025)

DPSW-Sketch: A Differentially Private Sketch Framework for Frequency Estimation over Sliding Windows (Technical Report)
von: Wang, Yiping, et al.
Veröffentlicht: (2024)

$(ε, δ)$-Differentially Private Partial Least Squares Regression
von: Nikzad-Langerodi, Ramin, et al.
Veröffentlicht: (2024)

Private Regression via Data-Dependent Sufficient Statistic Perturbation
von: Ferrando, Cecilia, et al.
Veröffentlicht: (2024)

Differentially Private Generalized Linear Models Revisited
von: Arora, Raman, et al.
Veröffentlicht: (2022)