云服务器内容精选

华为云首页用户手册

实验结果

可信智能计算服务 TICS-乳腺癌数据集作业结果

乳腺癌数据集作业结果本节实验包含了如下三个部分：（1）训练轮数对联邦学习模型分类性能的影响；（2）迭代次数对联邦学习模型分类性能的影响；（3）参与方数据量不同时，本地独立训练对比横向联邦的模型性能。不同训练参数对模型准确率、训练时长的影响训练轮数对模型准确率的影响（迭代次数固定为20）训练轮数 1 10 20 测试集准确率 (%) 98.016 98.016 98.016 测试集AUC 0.996 0.996 0.996 训练时长 (秒) 19 173 372 迭代轮数对模型准确率、训练时长的影响（训练轮数固定为10）迭代次数 10 25 50 测试集准确率 (%) 97.065 98.140 98.415 测试集AUC 0.995 0.996 0.997 训练时长 (秒) 166 167 216 从上面两张表可以看出：（1）训练轮数对于联邦学习模型的性能影响不大，这主要是由于乳腺癌数据集的分类相对简单，且数据集经过了扩充导致的；（2）增大每个参与方本地模型训练的迭代次数，可以显著提升最终联邦学习模型的性能。参与方数据量不同时，独立训练对比横向联邦训练的准确率本节实验不再将训练集均匀划分到两个参与方，而是以不同的比例进行划分，从而探究当参与方数据量不同时，模型性能的变化情况。具体划分如下所示。实验中训练轮数固定为10，迭代次数固定为50。参与方持有的样本数目信息 Host所持样本占比(%) Host样本数 Guest样本数 0.2 2946 11786 0.4 5892 8840 0.6 8839 5893 0.8 11785 2947 下图为当Host方拥有不同数据量时，使用横向联邦对比已方独立训练的性能对比。图1 Host方拥有不同数据量时，横向联邦对比对立训练的模型性能结论为：使用横向联邦学习，在已方拥有不同数据量的情况下都可以显著提升模型性能。父主题：实验结果

可信智能计算服务 TICS 实验结果