检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
创建可信联邦学习训练型作业 参考步骤创建横向训练型作业创建可信联邦学习训练型作业，运行环境选择ModelArts和PriorityModelArts时，新增的资源配额是使用MA Lite资源池进行训练时，工作负载需要配置的资源参数。 图2 配置参数 父主题： 可信联邦学习作业
"result_ext" : null } 状态码 状态码 描述 200 查询样本对齐结果成功 401 操作无权限 500 内部服务器错误 父主题： 联邦学习作业管理
开任务详情，可以查看更详细的计算过程信息。 图7 作业计算过程信息详情（截图为多方安全计算作业示例，请以实际作业为准） 父主题： 可信联邦学习作业
f6d964d274" } 状态码 状态码 描述 200 执行样本对齐作业成功 401 操作无权限 500 内部服务器错误 父主题： 联邦学习作业管理
服务或者登录到计算节点后台获取到对应路径的文件。 当只有一方提供特征时，预测的结果如下，第一列是用户的id，第二列是用户是否是高价值用户的标签，第三列、第四列是对应的概率： id,label,proba_0,proba_1 4e07408562bedb8b60ce05c1decf
列表。同时，有敏感信息的数据，还可以单独设置隐私策略，并在发布到空间侧后对其他参与方生效，限制敏感信息的使用。 数据预处理使用场景：训练机器学习模型前，可通过转换函数将特征数据转换成更加适合算法模型的特征数据。 父主题： 管理数据
"result_ext" : "" } 状态码 状态码 描述 200 查询执行结果成功 401 操作无权限 500 内部服务器错误 父主题： 可信联邦学习作业管理
评估型横向联邦作业流程 基于横向联邦作业的训练结果，可以进一步评估横向联邦模型，将训练好的模型用于预测。 选择对应训练型作业的“历史作业”按钮，获取最新作业的模型结果文件路径。 图1 查看模型结果文件的保存位置 前往工作节点上步骤1展示的路径，下载模型文件。由于Logistic
使用TICS可信联邦学习进行联邦建模 场景描述 准备数据 发布数据集 创建可信联邦学习作业 选择数据 样本对齐 筛选特征 模型训练 模型评估 父主题： 纵向联邦建模场景
训练型横向联邦作业流程 联邦学习分为横向联邦及纵向联邦。相同行业间，特征一致，数据主体不同，采用横向联邦。不同行业间，数据主体一致，特征不同，采用纵向联邦。xx医院的应用场景为不同主体的相同特征建模，因此选用横向联邦。 创建训练型横向联邦学习作业。 图1 创建训练型横向联邦学习作业 配置作业的执行脚本，训练模型文件。
操作步骤如下： 以下教程适用于ECS机器系统为Centos 7.5。操作前需要购买两台同网段同文件系统的ecs节点A与节点B。 在两台虚机上安装rsync及corntab服务，已安装则跳过（HCS底座发行的系统镜像是默认安装的；客户提供的机器，需要客户运维侧保障）。 参照如何在两
操作步骤如下： 以下教程适用于ECS机器系统为Centos 7.5。操作前需要购买两台同网段同文件系统的ecs节点A与节点B。 在两台虚机上安装rsync及corntab服务，已安装则跳过（HCS底座发行的系统镜像是默认安装的；客户提供的机器，需要客户运维侧保障）。 参照如何在两
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）
首先企业A要在“数据选择”页面选择双方发布的数据集，已选择的数据集会出现在右侧，所选的数据集会用于后续的步骤。 父主题： 使用TICS可信联邦学习进行联邦建模
等待训练完成后就可以看到训练出的模型指标。 模型训练完成后如果指标不理想可以重复调整7、8两步的所选特征和超参数，直至训练出满意的模型。 父主题： 使用TICS可信联邦学习进行联邦建模
联机分析处理的字段类型:UNIQUE_ID,SENSITIVE,NON_SENSITIVE fl_label_type String 字段标签分类:UNIQUE_ID.唯一标识,FEATURE.特征,LABEL.标签,FILTER.过滤字段 请求示例 获取字段隐私详情 get https://x.x.x.x:1234
UNIQUE_ID--唯一标识 2.SENSITIVE--敏感 3.NON_SENSITIVE--非敏感 fl_label_type String 联邦学习字段标签分类 privacy_policy String 字段数据处理隐私策略。 1.MASK--掩码 2.NONE--不处理 privacy_policy_ext
择双方的样本对齐字段，并单击“对齐”按钮执行样本对齐。执行完成后会在下方展示对齐后的数据量及对齐结果路径。 父主题： 使用TICS可信联邦学习进行联邦建模
可信联邦学习作业 联邦预测作业 常见问题 了解更多常见问题、案例和解决方案 热门案例 什么是区域和可用区？ 什么是区域和项目？ 合作方如何获取租户名称？ 代理如何切换状态？ 节点的可用资源如何查询？ 什么是配额？ 更多 智能客服 您好！我是有问必答知识渊博的的智能问答机器人，有问题欢迎随时求助哦！
参与方不同的数据集即可发起模型评估。 至此使用可信联邦学习进行联邦建模的过程已经完成，企业A已经训练出了一个符合自己要求的算法模型，后续文档会介绍如何使用已有的算法模型对新的数据进行预测。 父主题： 使用TICS可信联邦学习进行联邦建模
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
