【联邦学习】FATE框架:纵向联邦学习练习——波士顿房价

本文记录了一次使用FATE框架进行纵向联邦学习的练习,涉及数据输入、模型训练和模型评估。通过FATE的官方GitHub下载文件,完成数据处理和上传,并对模型参数进行调整后进行训练。最后,利用训练好的模型进行部署和预测。
摘要由CSDN通过智能技术生成

考研复试问毕设,先做一部分,记录一下。复试完继续做。

经过之前的横向联邦学习练习,掌握了对 FATE-FLOW 的基本使用。
下面进行纵向联邦学习的练习。

首先去官方的github下载相关文件。
阅读《联邦学习实战(杨强)》第六章相关内容。

执行两个split文件后的原版的两个表格数据被分成4个,分别是A公司和B公司的本地数据和测试数据。

数据输入

在这里插入图片描述
进入/data/projects/fate/examples/dsl/v1
找到upload_data.json,在这里书上是直接修改,我选择了新建一个文件把upload_data.json里的内容改成要用的。
在这里插入图片描述
注意路径不要弄错,跟执行FLOW命令的位置有关系。下面是根据我fate文件中实际位置改过的路径
在这里插入图片描述
改完后上传数据
在这里插入图片描述
这里只是四个数据其中的一个,剩下三个文件同理,修改好json文件后上传。
在这里插入图片描述

样本对齐

这个暂时不做,后续学了第八章再看。

模型训练

/data/projects/fate/examples/dsl/v1或者v2中找书中提到的文件,把里面的参数修改一下。

其中test_hetero_linr_train_job_dsl.json可以直接用,test_hetero_linr_train_job_conf.json需要修改,
我改成了test_hetero_linr_train_job_conf_house.json
就修改name,namespace,label_name

"host": {
   
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值