[发明专利]基于联邦学习实现数据探索性分析处理的方法

权利要求书

1.一种基于联邦学习实现数据探索性分析处理的方法，其特征在于，所述的方法包括以下步骤：

基于横向融合进行探索性分析的步骤具体包括以下处理过程：

（1-1）汇总单列的每个节点的信息，计算统计信息以及列之间的相关性和周期性；

（1-2）将各个节点的统计信息汇总至发起节点，在数据无交换的情况下获取信息，并通过计算获得相关信息，广播至所有参与节点；

（1-3）判断是否需要投票计票，如果是，则投票器计算相关权重；否则，广播器将广播结果传输至参与节点；

基于纵向融合进行探索性分析的步骤具体包括以下处理过程：

（2-1）汇总统计信息，收集各节点的统计信息；

（2-2）从各数据集中各取一列，对每个节点单列进行woe编码、归一化特征转化，加密后传输至数据请求方；

（2-3）在节点进行解密分析，利用现有的相关性分析算法对两列数据进行线性相关性分析；

所述的步骤（1-3）的投票的步骤具体包括以下处理过程：

（1-3.1）每个节点广播自己的对这一列的周期性判断，并关联投票轮次，每台服务器统计选票；

（1-3.2）判断各个结果的数据是否超过阈值，如果是，则周期性存在；否则，周期性不存在。

2.根据权利要求1所述的基于联邦学习实现数据探索性分析处理的方法，其特征在于，所述的步骤（2-3）还包括以下步骤：

判断样本量是否低于阈值，如果是，则误差较大，不进行线性相关；否则，继续步骤（2-3）。

3.根据权利要求1所述的基于联邦学习实现数据探索性分析处理的方法，其特征在于，所述的步骤（1-1）的每个节点的信息包括近似中数、众数、缺失值、缺失值比例和均值。

4.根据权利要求1所述的基于联邦学习实现数据探索性分析处理的方法，其特征在于，所述的方法还包括对数据进行探索分析的步骤，具体包括以下步骤：

（3-1）判断数据是否有缺失值，如果是，则继续步骤（3-2）；否则，继续步骤（3-3）；

（3-2）判断是否对缺失值进行操作，如果是，则处理缺失值；否则，继续步骤（3-3）；

（3-3）是否对异常值进行过滤，如果是，则进行异常值过滤；否则，继续步骤（3-4）；

（3-4）判断是否进行特征转化，如果是，则进行特征转化，结束步骤；否则，结束步骤。