基于联邦 F-score 的集成模型用于自动规则提取
机器学习
2020-07-20 v3 机器学习
摘要
在本稿件中，我们提出一种基于联邦 F-score 的集成树模型用于自动规则提取，即 Fed-FEARE。在数据隐私保护前提下，Fed-FEARE 使多家机构能够横向与纵向联合提取规则集。与无联邦学习相比，评估模型性能的度量显著提升。目前，Fed-FEARE 已应用于某全国性金融控股集团的多个业务，包括反欺诈与精准营销。
引用
@article{arxiv.2007.03533,
title = {A Federated F-score Based Ensemble Model for Automatic Rule Extraction},
author = {Kun Li and Fanglan Zheng and Jiang Tian and Xiaojia Xiang},
journal= {arXiv preprint arXiv:2007.03533},
year = {2020}
}