基于 Z-Gromov-Wasserstein 距离的图预测保 conformal 方法
机器学习
2026-03-30 v4 机器学习
摘要
监督图预测解决的是输出为结构图的回归问题。尽管已有多种图值预测方法，但原则性的不确定性量化仍显得有限。我们提出了一种针对图值输出的保 conformal 预测框架，提供结构输出空间中的分布自由覆盖保证。该方法通过 Z-Gromov-Wasserstein 距离定义非配合度，在实际中通过 Fused Gromov-Wasserstein (FGW) 实现，对预测图与候选图进行置换不变比较。为获得自适应预测集，我们引入 Score Conformalized Quantile Regression (SCQR)，这是一种将保 conformalized Quantile Regression (CQR) 扩展到处理图值输出等复杂输出空间的技术。我们在合成任务上评估了所提出的方法。
引用
@article{arxiv.2603.02460,
title = {Conformal Graph Prediction with Z-Gromov Wasserstein Distances},
author = {Gabriel Melo and Thibaut de Saivre and Anna Calissano and Florence d'Alché-Buc},
journal= {arXiv preprint arXiv:2603.02460},
year = {2026}
}