面向缺失目标输出值的联邦协变量偏移自适应
机器学习
2023-03-01 v1 机器学习
摘要
最新的多源协变量偏移算法是一种针对缺失目标输出的高效超参数优化算法。在本文中,我们将该算法扩展到联邦学习框架。针对联邦学习中的数据孤岛与协变量偏移自适应,我们提出了目标风险的联邦域自适应估计,该估计渐近无偏且具有理想的渐近方差性质。我们为目标任务构建了加权模型,并提出了在我们的设定下表现更优的联邦协变量偏移自适应算法。我们方法的有效性在理论和经验上均得到证明。
引用
@article{arxiv.2302.14427,
title = {Federated Covariate Shift Adaptation for Missing Target Output Values},
author = {Yaqian Xu and Wenquan Cui and Jianjun Xu and Haoyang Cheng},
journal= {arXiv preprint arXiv:2302.14427},
year = {2023}
}