面向个性化学习的三种方法及其在联邦学习中的应用
机器学习
2020-07-21 v2 机器学习
摘要
机器学习的标準目标是为所有用户训练单一模型。然而，在许多学习场景（如云计算与联邦学习）中，可为每个用户学习一个个性化模型。本文对个性化进行了系统的学习理论研析。我们提出并分析了三种方法：用户聚类、数据插值以及模型插值。对这三种方法，我们都提供了学习理论保证与高效算法，并实证展示了其性能。我们的所有算法均与模型无关，且适用于任意假设类。
引用
@article{arxiv.2002.10619,
title = {Three Approaches for Personalization with Applications to Federated Learning},
author = {Yishay Mansour and Mehryar Mohri and Jae Ro and Ananda Theertha Suresh},
journal= {arXiv preprint arXiv:2002.10619},
year = {2020}
}
备注
24 pages