面向联邦学习的模型自动训练方法
知识产权简介
一种面向联邦学习的模型自动训练方法,包括以下步骤:(1)数据准备:使用sklearn 模拟训练数据的量和维度,保证数据的隐私性;(2)模型参数自动搜索:首先选取低采样比,采用successive-halving算法寻找最佳参数,并根据进化策略在最佳参数附近添加随机噪声;之后逐渐增加采样比进行迭代,最终获得整体数据的训练模型最佳参数,从而完成联邦学习环境下的模型自动训练任务。
一种面向联邦学习的模型自动训练方法,包括以下步骤:(1)数据准备:使用sklearn 模拟训练数据的量和维度,保证数据的隐私性;(2)模型参数自动搜索:首先选取低采样比,采用successive-halving算法寻找最佳参数,并根据进化策略在最佳参数附近添加随机噪声;之后逐渐增加采样比进行迭代,最终获得整体数据的训练模型最佳参数,从而完成联邦学习环境下的模型自动训练任务。