qq_64826855的博客

原创 联邦学习介绍

而横向联邦学习中的工作节点代表的是模型训练的数据拥有方，其对本地的数据具有完全的自治权限，可以自主决定何时加入联邦学习进行建模，联邦学习面对的是一个更复杂的学习环境。服务器聚合各机器上的返回的参数，更新模型，再把最新的模型反馈到每台机器。纵向联邦学习的本质是交叉用户在不同业态下的特征联合，比如商超A和银行B，在传统的机器学习建模过程中，需要将两部分数据集中到一个数据中心，然后再将每个用户的特征join成一条数据用来训练模型，所以就需要双方有用户交集（基于join结果建模），并有一方存在label。