【FederatedLearning】联邦学习类别详述(横向、纵向、迁移)
【FederatedLearning】联邦学习类别详述(横向、纵向、迁移)
文章目录
- 【FederatedLearning】联邦学习类别详述(横向、纵向、迁移)
- 横向联邦学习
- 纵向联邦学习
- 联邦迁移学习
- 总结
联邦学习(Federated Learning, a.k.a. Federated Machine Learning)可以分为三类:
横向联邦学习(Horizontal Federated Learning),纵向联邦学习(Vertical Federated Learning),迁移联邦学习(Federated Transfer Learning)
对于一个数据表格来说,通常一行代表一个样本,纵向的一列代表的是一个数据特征。
横向联邦就是每个client的数据特征相同,用户不同,是对样本数量的扩充
纵向联邦就是用户相同,但是数据特征不同,是对样本数据特征的扩充
横向联邦学习
基于特征对齐的联邦学习。通俗的讲,就是特征就是那么多特征,只是用户不同,以此来扩充样本数量。
定义:两组样本ID重叠较少,但是这两组样本的特征是重叠很多的,举个例子就是两家不同地区银行,他们的客户是不同的,但是客户的数据的特征类别是相同的,
纵向联邦学习
用户ID重叠较多,但是特征重叠少,通俗的讲,就是用户是一批用户,但是他们的特征是不同的。
也称为样本对齐的联邦学习,只是使得特征维度增多而已。
联邦迁移学习
当参与者间特征和样本重叠都很少时可以考虑使用联邦迁移学习,如不同地区的银行和商超间的联合。主要适用于以深度神经网络为基模型的场景。
利用数据、任务、或模型之间的相似性,将在源领域学习过的模型,应用于 目标领域的一种学习过程。
通俗的讲,就是“举一反三”,“照猫画虎”。
总结
这里的横向和纵向指的是对数据的划分。
横向联邦学习是对数据按行划分,每一行一个样本。不同行的数据有相同的数据特征,即数据特征是对齐的。
纵向联邦学习是对数据按列划分,每一列一个特征。不同列的数据有相同的样本ID,即训练样本是对齐的。
【FederatedLearning】联邦学习类别详述(横向、纵向、迁移)相关推荐
- 【机器学习】横向联邦学习纵向联邦学习区别
文章目录 背景简介 横向联邦学习 纵向联邦学习 参考 背景简介 现实生活中,除了少数巨头公司能够满足,绝大多数企业都存在数据量少,数据质量差的问题,不足以支撑人工智能技术的实现:同时国内外监管环境也在 ...
- 联邦学习 OR 迁移学习?No,我们需要联邦迁移学习
2020-11-18 13:40:43 机器之心分析师网络 作者:仵冀颖 编辑:H4O 在这篇文章中,作者通过 4 篇论文详细介绍了联邦学习中的联邦迁移学习问题,并探讨了向经典联邦学习中引入迁移学习的 ...
- 横向联邦学习-梯度安全聚合(二)
一 背景 最近总结自己的公众号的时候,发现一个问题:对于联邦学习的文章,基本都是在讲述纵向联邦学习,对于横向联邦学习的技术涉及较少,所以心血来潮之下,决定写几篇文章来压压箱子底. ❝ 横向联邦:现代移 ...
- 横向联邦学习-梯度安全聚合
一 背景 最近总结自己的公众号的时候,发现一个问题:对于联邦学习的文章,基本都是在讲述纵向联邦学习,对于横向联邦学习的技术涉及较少,所以心血来潮之下,决定写几篇文章来压压箱子底. ❝ 横向联邦:现代移 ...
- 横向联邦学习-梯度安全聚合1
一 背景 最近总结自己的公众号的时候,发现一个问题:对于联邦学习的文章,基本都是在讲述纵向联邦学习,对于横向联邦学习的技术涉及较少,所以心血来潮之下,决定写几篇文章来压压箱子底. ❝ 横向联邦:现代移 ...
- 【联邦学习FATE框架实战】(四)用FATE从零开始实现纵向线性回归
目录 1. 制作数据集 2. 通过DSL Conf运行训练和预测任务 2.1 数据输入 2.2 模型训练 2.2.1 配置DSL文件 2.2.2 运行配置Submit Runtime Conf 2.2 ...
- 【联邦学习】横向联邦学习(Horizontal Federated Learning,HFL)
文章目录 一.横向联邦学习的定义 二.横向联邦学习的安全性 三.横向联邦学习架构 1. 客户-服务器架构 2. 对等网络架构 四.联邦优化 五.联邦平均算法 参考链接 一.横向联邦学习的定义 横向联邦 ...
- 极客星球 | FATE联邦学习框架理论与应用初探
一.背景 随着大数据.云计算等技术的发展,数据隐私安全问题受到越来越多的重视,各国都在加强数据安全和隐私保护.中国在2017年实施的<中华人民共和国网络安全法>要求网络运营者不得泄露.篡改 ...
- 联邦学习攻击与防御综述
联邦学习攻击与防御综述 吴建汉1,2, 司世景1, 王健宗1, 肖京1 1.平安科技(深圳)有限公司,广东 深圳 518063 2.中国科学技术大学,安徽 合肥 230026 摘要:随着机器学习技术的 ...
最新文章
- 【原】使用Json作为Python和C#混合编程时对象转换的中间文件
- 论文,范围管理(2017上)
- apache +php + mysql_apache+php+mysql
- 要找工作了,拿什么拯救你——我的能力
- 前端学习(807):简单数据类型传参
- gcc参数 -i, -L, -l, -include
- sql server 监视_使用动态管理对象监视SQL Server –请求
- Ansible详解(十五)——Ansible Role实战
- popupwindow使用之异常:unable to add window -- token null is not valid
- 项目初期不同职位的人如何沟通?以及沟通的效率
- Linux Mysql5.6安装
- Git学习笔记(2)-创建仓库
- 2019dnf刷图脚本制作教程
- 【嵌入式工程师常用网站】
- 计算机一级最强大脑,计算机入侵人类 《最强大脑》选手完败?
- 今天的雨下的大!从早上就开始下了
- 黑马程序员匠心之作|C++教程从0到1入门编程(基础)
- Dreamweaver CS 5 快捷键大全
- android韩国代理,韩国Android手机市场占有率达70%
- 寻找中国最好百名产品经理:豆瓣阿北360周鸿祎
热门文章
- 【分布式任务调度】(三)XXL-JOB调度中心对执行器的上下线感知实现原理
- Unity实现加载文件夹内所有图片并可显示和放大的一种解决方案
- Java Web学习(2):静态网页与动态网页
- linux网卡链路聚合
- CSS hack常用方案(摘选)
- Python数据可视化学习(初学中...)
- c#编写activeX控件详细教程,底部附有下载地址
- 怎么预防远程控制计算机,电脑被远程控制怎么办_怎么禁止别人远程控制计算机...
- 初识 GDPR:史上最严格的数据保护条例
- python植物大战僵尸辅助器手机版_GitHub又放大招,Python版本的植物大战僵尸还能作弊玩!...