典型文献
基于联邦学习的Gamma回归算法
文献摘要：
在水文学、气象学以及保险理赔评估等领域中,通常假设因变量服从Gamma分布,相比多元线性回归,在Gamma分布假设下建立起的Gamma回归具有更出色的拟合效果.以往获得Gamma回归模型的方法是将数据集中起来进行训练,当数据是由多方提供时,在不交换数据的情况下训练满足隐私保护的Gamma回归模型成为需要解决的问题.为此,提出了一种多方安全的纵向联邦Gamma回归算法,该算法首先使用迭代法推导出纵向联邦Gamma回归模型的对数似然估计表达式,然后结合工程实际确定模型的连接函数,进而构造损失函数建立参数的梯度更新策略,最后对同态加密后的各方参数进行融合更新,获得联邦学习后的Gamma回归模型.在两种公开数据集上进行性能测试,实验结果表明,所提联邦Gamma回归算法在不交换数据的前提下,可有效利用多方数据的价值生成Gamma回归模型,该模型对数据的拟合效果逼近数据在集中情况下学习到的Gamma回归模型,优于单方独立学习获得的Gamma回归模型.
文献关键词：
联邦学习;Gamma回归;同态加密;隐私保护;多方安全计算
中图分类号：
作者姓名：
郭艳卿;李宇航;王湾湾;付海燕;吴铭侃;李祎
作者机构：
大连理工大学信息与通信工程学院 辽宁 大连116024;深圳市洞见智慧科技有限公司研究中心 北京100028
文献出处：
引用格式：
[1]郭艳卿;李宇航;王湾湾;付海燕;吴铭侃;李祎-.基于联邦学习的Gamma回归算法)[J].计算机科学,2022(12):66-73
A类：
B类：
联邦学习,Gamma,回归算法,水文学,气象学,保险理赔,因变量,服从,设下,出色,拟合效果,不交,隐私保护,迭代法,对数似然,似然估计,工程实际,定模,连接函数,损失函数,更新策略,同态加密,融合更新,公开数据集,价值生成,逼近,中情,单方,独立学习,多方安全计算
AB值：
0.343415
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
