本論文では、連邦学習環境における決定木の集約プロセスを提案している。
この集約プロセスは、ID3アルゴリズムとCARTアルゴリズムの2つのバリエーションを持つ。ID3ベースのモデルは、情報利得に基づいて決定木を構築する。CART ベースのモデルは、ジニ不純度に基づいて決定木を構築する。
提案手法は、複数のデータセットを用いた実験で、ベースラインモデルおよび最新の連邦学習決定木モデルよりも優れた性能を示した。また、クライアントの数が増加しても頑健性を維持することができた。さらに、提案手法は決定木の解釈可能性を保持しながら、大域的な決定木を構築できることが示された。
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Albe... om arxiv.org 04-04-2024
https://arxiv.org/pdf/2404.02510.pdfDiepere vragen