基于SoftGBDT的跨特征联邦学习方法、预测方法
基本信息
| 申请号 | CN202110806104.1 | 申请日 | - |
| 公开（公告）号 | CN113435537A | 公开（公告）日 | 2021-09-24 |
| 申请公布号 | CN113435537A | 申请公布日 | 2021-09-24 |
| 分类号 | G06K9/62（2006.01）I;G06N20/00（2019.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 周一竞;孟丹;李宏宇;李晓林 | 申请（专利权）人 | 同盾科技有限公司 |
| 代理机构 | 北京律智知识产权代理有限公司 | 代理人 | 王辉;阚梓瑄 |
| 地址 | 311121浙江省杭州市余杭区五常街道文一西路998号18幢704室 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本公开是关于一种基于Soft GBDT的跨特征联邦学习方法、数据预测方法及装置，涉及机器学习技术领域，该基于Soft GBDT的跨特征联邦学习方法包括：利用Soft GBDT计算第一特征数据在Soft GBDT中的第一内节点的第一线性回归部分；计算第一线性回归部分以及第二线性回归部分在Soft GBDT中的叶子节点的输出值，并计算Soft GBDT中所包括的当前软决策树的局部损失函数；根据局部损失函数计算Soft GBDT的全局损失函数，并根据全局损失函数计算第一内节点的第一梯度，以对Soft GBDT的第一内节点的参数进行更新。本公开有利于加快模型训练速度，提高模型训练效率。 |
