半监督Fréchet回归

本文探讨了半监督Fréchet回归领域，其动机是获取非欧几里得标签所涉及的高昂成本。在方法论上，我们提出了两种新颖的方法：半监督NW Fréchet回归和半监督kNN Fréchet回归，两者都基于从所有特征实例获取的图距离。这些方法扩展了现有半监督欧几里得回归方法的范围。我们考虑了特征空间的低维流形结构，在有限标记数据和大量未标记数据的情况下，建立了它们的收敛速率。通过在不同设置下的全面模拟以及对真实数据的应用，我们证明了我们的方法相对于其监督对应方法的优越性能。这项研究填补了现有的研究空白，并为半监督Fréchet回归领域的进一步探索和进步铺平了道路。