基于高斯 copula 与分类器集成、在有限网络负载下学习的分散式学习
机器学习
2021-12-16 v3 人工智能
分布式、并行与集群计算
机器学习
摘要
我们考察一个由多个学习器组成的网络，这些学习器处理相同的分类任务但必须从不同的数据集学习。学习器不能共享数据，而是共享其模型。模型仅共享一次以保留网络负载。我们提出 DELCO（即 Decentralized Ensemble Learning with COpulas，基于 copula 的分散式集成学习），一种允许聚合各学习器所训练分类器预测结果的新方法。所提方法利用依赖高斯 copula 的概率模型来聚合基分类器。在逻辑回归器集成上的实验表明，在分类器相关的情况下具有相当的精度并提升了鲁棒性。相关的 python 实现可从 https://github.com/john-klein/DELCO 下载。
引用
@article{arxiv.1804.10028,
title = {Decentralized learning with budgeted network load using Gaussian copulas and classifier ensembles},
author = {John Klein and Mahmoud Albardan and Benjamin Guedj and Olivier Colot},
journal= {arXiv preprint arXiv:1804.10028},
year = {2021}
}