文章指出,在联邦学习异质和长尾数据条件下,有偏的分类器是导致全局模型性能下降的主要原因。因此作者提出一种方法对全局模型的分类器进行重训练。
主要想法是搞出来一堆Federated Features,让他们和真实的数据Features相似,从而用Federated Features对全局模型的分离器进行重训练。
Framwork
文章指出,在联邦学习异质和长尾数据条件下,有偏的分类器是导致全局模型性能下降的主要原因。因此作者提出一种方法对全局模型的分类器进行重训练。
主要想法是搞出来一堆Federated Features,让他们和真实的数据Features相似,从而用Federated Features对全局模型的分离器进行重训练。
Framwork