隐语课程 纵向密态广义线性回归介绍

一、LR/GLM应用场景及原理

广义线性模型建模场景：二分类问题（对数据进行二元分类、预测某件事情发生的概率）、广义线性模型（GLM）（风险保费预测）

二、广义线性模型的定义及原理

一个广义线性模型有三个关键组件：

系统组件：是一个线性预测器,为自变量，是定义的未知参数

随机组件：是一个指数族分布作为响应变量Y概率分布

     1.是分布的自然参数

     2.和存在一一映射关系，我们用函数表示这种关系

连接函数：使得，描述系统组件和随机组件之间的关系

三、隐语模型-密态SSLR/SSGLM

一般采用一阶优化器和二阶优化器公用的方案

四、秘密分享加法和秘密分享乘法

秘密分享加法和秘密分享乘法是可以在保障客户端数据隐私的前提下进行数据计算的方法

秘密分享加法步骤：秘密切分、分割交换与求和、结果构建

SS-LR/SSGLM在隐语实现的优势为：可证安全、不依赖可信第三方、支持多种模型、计算高效