联邦建模概述

联邦建模控制台封装了联邦学习的基础能力，并且集成了常用机器学习库的功能，如 TensorFlow，具有开箱即用的能力。因此您只需专注于模型本身，无需关注联邦算法的实现细节，以便快速高效地完成模型开发。在脚本开发过程中，您需要通过新建脚本、编辑脚本、执行脚本完成联邦建模。根据联邦建模的不同开发阶段，将脚本分为 5 种类型：联邦表、预处理规则、预处理应用、模型训练、模型评估，具体请参见 脚本输入/输出配置说明。一个完整的联邦学习项目中包含多种类型的脚本，脚本与脚本之间，通过输入、输出/产出的数据进行关联，如下图所示。联邦模型开发分为：

• 数据处理：包含样本数据处理和联邦数据处理。

  • 样本数据处理：将各节点中具有相同属性的数据逻辑集合起来，即创建联邦表。

  • 联邦数据处理：对联邦表中的数据进行预处理，包括数据预处理和预处理应用。

• 模型训练：使用预处理过的训练集数据训练模型。

• 模型评估：使用预处理过的测试集数据评估模型效果。

典型的模型开发业务逻辑如下图所示，其中，离线样本生成的三种联邦表分别以训练集、验证集和测试集作为预处理、预处理应用和模型评估的输入。