基于广义特征问题的数据协作分析新解
机器学习
2024-04-23 v1 分布式、并行与集群计算
摘要
近年来，随着不同机构之间数据的积累，基于保密数据分析技术的关注度日益增加，这种技术通过在保护敏感信息的同时在多个机构之间共享数据，从而提高分析准确性。在这些方法中，数据协作分析(DCA)因其在计算成本和通信负载方面的效率而受到关注，这有助于在保护机密信息的同时进行跨机构的数据共享和分析。然而，现有的确定必要协作函数的优化问题面临着诸多挑战，例如协作表示的最优解常常是一个零矩阵，以及难以理解求解过程。本研究通过将矩阵分割为列向量来构建优化问题，并提出一种基于广义特征问题求解的方法。此外，我们演示了通过加权和选择适用于特定情境的高效算法来构建协作函数的更有效方法。使用真实数据集的实验表明，我们提出的协作函数优化问题的表述和求解方法在预测准确性方面优于现有方法。
引用
@article{arxiv.2404.14164,
title = {New Solutions Based on the Generalized Eigenvalue Problem for the Data Collaboration Analysis},
author = {Yuta Kawakami and Yuichi Takano and Akira Imakura},
journal= {arXiv preprint arXiv:2404.14164},
year = {2024}
}
备注
16 pages, 9 figures, preprint