[发明专利]纵向联邦学习系统优化方法、装置、设备及可读存储介质在审
| 申请号： | 201911002478.7 | 申请日： | 2019-10-21 |
| 公开（公告）号： | CN110633806A | 公开（公告）日： | 2019-12-31 |
| 发明（设计）人： | 程勇;刘洋;陈天健 | 申请（专利权）人： | 深圳前海微众银行股份有限公司 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06Q30/02 |
| 代理公司： | 44287 深圳市世纪恒程知识产权代理事务所 | 代理人： | 王韬 |
| 地址： | 518000 广东省深圳市前海深港合作区前*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种纵向联邦学习系统优化方法、装置、设备及可读存储介质，所述方法包括：获取对各所述参与设备各自本地的训练样本集之间进行样本对齐得到的样本对齐结果，其中，各所述参与设备各自拥有的样本的数据特征不完全相同；根据所述样本对齐结果与各所述参与设备协作得到多组数据维度不同的输入数据；根据多组所述输入数据对预设的输入数据特征维度可变的待训练机器学习模型进行训练，得到目标机器学习模型。本发明实现了纵向联邦学习的参与者在使用通过纵向联邦学习训练好的模型时，在没有其他参与者的配合的情况下，也能够独立使用模型，从而扩大了纵向联邦学习的应用范围。 | ||
| 搜索关键词： | 样本 参与设备 对齐 学习 可读存储介质 训练样本集 独立使用 多组数据 目标机器 数据特征 特征维度 学习系统 学习训练 训练机器 可变的 维度 预设 协作 应用 优化 配合 | ||
【主权项】：
1.一种纵向联邦学习系统优化方法，其特征在于，所述纵向联邦学习系统优化方法应用于协调设备，所述协调设备与至少两个参与设备通信连接，所述纵向联邦学习系统优化方法包括以下步骤：/n获取对各所述参与设备各自本地的训练样本集之间进行样本对齐得到的样本对齐结果，其中，各所述参与设备各自拥有的样本的数据特征不完全相同；/n根据所述样本对齐结果与各所述参与设备协作得到多组数据维度不同的输入数据；/n根据多组所述输入数据对预设的输入数据特征维度可变的待训练机器学习模型进行训练，得到目标机器学习模型。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳前海微众银行股份有限公司，未经深圳前海微众银行股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911002478.7/，转载请声明来源钻瓜专利网。
