Buchumschlag

Increasing Missingness to Reduce Bias: Richardson-SGD with Missing Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Genans, Ferdinand, Scornet, Erwan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Privacy Amplification by Missing Data
von: Roburin, Simon, et al.
Veröffentlicht: (2026)

Fast and Large-Scale Unbalanced Optimal Transport via its Semi-Dual and Adaptive Gradient Methods
von: Genans, Ferdinand
Veröffentlicht: (2026)

Geometry-Aware Optimal Transport: Fast Intrinsic Dimension and Wasserstein Distance Estimation
von: Genans, Ferdinand, et al.
Veröffentlicht: (2026)

When Pattern-by-Pattern Works: Theoretical and Empirical Insights for Logistic Models with Missing Values
von: Muller, Christophe, et al.
Veröffentlicht: (2025)

Principled Federated Random Forests for Heterogeneous Data
von: Khellaf, Rémi, et al.
Veröffentlicht: (2026)

Do we need rebalancing strategies? A theoretical and empirical study around SMOTE and its variants
von: Sakho, Abdoulaye, et al.
Veröffentlicht: (2024)

Missingness-MDPs: Bridging the Theory of Missing Data and POMDPs
von: Wendland, Joshua, et al.
Veröffentlicht: (2026)

Exploiting Missing Data Remediation Strategies using Adversarial Missingness Attacks
von: Koyuncu, Deniz, et al.
Veröffentlicht: (2024)

Harnessing Mixed Features for Imbalance Data Oversampling: Application to Bank Customers Scoring
von: Sakho, Abdoulaye, et al.
Veröffentlicht: (2025)

Semi-Discrete Optimal Transport: Nearly Minimax Estimation With Stochastic Gradient Descent and Adaptive Entropic Regularization
von: Genans, Ferdinand, et al.
Veröffentlicht: (2024)

Decreasing Entropic Regularization Averaged Gradient for Semi-Discrete Optimal Transport
von: Genans, Ferdinand, et al.
Veröffentlicht: (2025)

What Is a Good Imputation Under MAR Missingness?
von: Näf, Jeffrey, et al.
Veröffentlicht: (2024)

Missingness Bias Calibration in Feature Attribution Explanations
von: Sridhar, Shailesh, et al.
Veröffentlicht: (2026)

Asymptotic Normality of Infinite Centered Random Forests -Application to Imbalanced Classification
von: Mayala, Moria, et al.
Veröffentlicht: (2025)

Stochastic Optimization in Semi-Discrete Optimal Transport: Convergence Analysis and Minimax Rate
von: Genans, Ferdinand, et al.
Veröffentlicht: (2025)

Random features models: a way to study the success of naive imputation
von: Ayme, Alexis, et al.
Veröffentlicht: (2024)

On the consistency of supervised learning with missing values
von: Josse, Julie, et al.
Veröffentlicht: (2019)

The Rich and the Simple: On the Implicit Bias of Adam and SGD
von: Vasudeva, Bhavya, et al.
Veröffentlicht: (2025)

Beyond Implicit Bias: The Insignificance of SGD Noise in Online Learning
von: Vyas, Nikhil, et al.
Veröffentlicht: (2023)

Implicit Bias in Noisy-SGD: With Applications to Differentially Private Training
von: Sander, Tom, et al.
Veröffentlicht: (2024)

Bias in Motion: Theoretical Insights into the Dynamics of Bias in SGD Training
von: Jain, Anchit, et al.
Veröffentlicht: (2024)

A Unified Stability Analysis of SAM vs SGD: Role of Data Coherence and Emergence of Simplicity Bias
von: Chang, Wei-Kai, et al.
Veröffentlicht: (2025)

Shuffling the Data, Stretching the Step-size: Sharper Bias in constant step-size SGD
von: Emmanouilidis, Konstantinos, et al.
Veröffentlicht: (2026)

Missing Data Imputation by Reducing Mutual Information with Rectified Flows
von: Yu, Jiahao, et al.
Veröffentlicht: (2025)

Domain Adaptation Under MNAR Missingness
von: Stokes, Tyrel, et al.
Veröffentlicht: (2025)

Nearly Optimal Bayesian Inference for Structural Missingness
von: Liang, Chen, et al.
Veröffentlicht: (2026)

MCCE: Missingness-aware Causal Concept Explainer
von: Gao, Jifan, et al.
Veröffentlicht: (2024)

Revisiting LocalSGD and SCAFFOLD: Improved Rates and Missing Analysis
von: Luo, Ruichen, et al.
Veröffentlicht: (2025)

Fine-Grained Dynamic Framework for Bias-Variance Joint Optimization on Data Missing Not at Random
von: Ha, Mingming, et al.
Veröffentlicht: (2024)

Differentially Private SGD Without Clipping Bias: An Error-Feedback Approach
von: Zhang, Xinwei, et al.
Veröffentlicht: (2023)

Bias-Optimal Bounds for SGD: A Computer-Aided Lyapunov Analysis
von: Cortild, Daniel, et al.
Veröffentlicht: (2025)

Data Deletion for Linear Regression with Noisy SGD
von: Xia, Zhangjie, et al.
Veröffentlicht: (2024)

Quantifying Potential Observation Missingness in Inverse Reinforcement Learning
von: Benac, Leo, et al.
Veröffentlicht: (2026)

Missingness-aware Data Imputation via AI-powered Bayesian Generative Modeling
von: Liu, Qiao
Veröffentlicht: (2026)

Fair Graph Machine Learning under Adversarial Missingness Processes
von: Lina, Debolina Halder, et al.
Veröffentlicht: (2023)

Accumulative SGD Influence Estimation for Data Attribution
von: Shi, Yunxiao, et al.
Veröffentlicht: (2025)

Conditional Imputation for Within-Modality Missingness in Multi-Modal Federated Learning
von: Zheng, Wugeng, et al.
Veröffentlicht: (2026)

MIRRAMS: Learning Robust Tabular Models under Unseen Missingness Shifts
von: Lee, Jihye, et al.
Veröffentlicht: (2025)

GRU-D Characterizes Age-Specific Temporal Missingness in MIMIC-IV
von: Giesa, Niklas, et al.
Veröffentlicht: (2024)

Beyond Random Missingness: Clinically Rethinking for Healthcare Time Series Imputation
von: Qian, Linglong, et al.
Veröffentlicht: (2024)