线性回归的差分隐私迭代筛选规则

线性 $L_1$ 正则化模型一直是数据科学中最简单且最有效的工具之一。过去十年中，筛选规则作为在生成 $L_1$ 模型稀疏回归权重时消除特征的方法而日益流行。然而，尽管对隐私保护模型用于数据分析的需求日益增长，据我们所知，尚不存在差分隐私筛选规则。本文中，我们为线性回归开发了首个私有筛选规则。我们最初发现该筛选规则过于严格：由于私有筛选步骤，它筛选了过多的系数。然而，弱化的私有筛选实现减少了过度筛选并提升了性能。