一种优化树模型训练的方法及纵向联邦学习系统
基本信息
| 申请号 | CN202110777115.1 | 申请日 | - |
| 公开（公告）号 | CN113537333A | 公开（公告）日 | 2021-10-22 |
| 申请公布号 | CN113537333A | 申请公布日 | 2021-10-22 |
| 分类号 | G06K9/62;G06N20/20;G06F21/60 | 分类 | 计算；推算；计数; |
| 发明人 | 黄一珉;王湾湾;何浩;姚明 | 申请（专利权）人 | 深圳市洞见智慧科技有限公司 |
| 代理机构 | 北京柏杉松知识产权代理事务所（普通合伙） | 代理人 | 丁芸;马敬 |
| 地址 | 518118 广东省深圳市福田区福田街道岗厦社区彩田路3069号星河世纪A栋3603B8 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明实施例提供了一种优化树模型训练的方法及纵向联邦学习系统，该方法包括：数据提供方先基于分桶得到的各分桶中第一用户样本数据的数量，确定用户样本数据的数量最多的分桶；然后基于数据需求方发送的同态加密的梯度信息和除用户样本数据的数量最多的分桶外的各分桶的第一用户样本数据建立加密的第一梯度直方图；数据需求方基于第二用户样本数据的梯度总和以及解密后的第一梯度直方图，确定的用户样本数据的数量最多的分桶所对应的梯度信息，最后基于解密后的第一梯度直方图和用户样本数据的数量最多的分桶所对应的梯度信息，确定树模型的最优分裂点，可以减少加密计算过程和解密计算过程所带来的时间开销，进而可以提高树模型的训练效率。 |
