联邦学习中参与方贡献的度量
机器学习
2019-09-19 v1 机器学习
摘要
联邦机器学习（FML）为多方协作构建模型创建了生态系统，同时保护参与方的数据隐私。对 FML 中各方贡献的度量可实现公平的信用分配。在本文中，我们开发了简单但强大的技术，以在横向 FML 与纵向 FML 背景下公平计算 FML 中多方的贡献。对于横向 FML，我们使用删除法计算分组样本影响。对于纵向 FML，我们使用 Shapley 值计算分组特征重要性。我们的方法为联邦机器学习背景下模型贡献与信用分配的研究打开了大门。
引用
@article{arxiv.1909.08525,
title = {Measure Contribution of Participants in Federated Learning},
author = {Guan Wang and Charlie Xiaoqian Dang and Ziye Zhou},
journal= {arXiv preprint arXiv:1909.08525},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1905.04519