06 2022 档案

隐私计算FATE-离线预测
摘要：一、说明 Fate 的模型预测有 离线预测 和 在线预测 两种方式，两者的效果是一样的，主要是使用方式、适用场景、高可用、性能等方面有很大差别；本文分享使用 Fate 基于 纵向逻辑回归 算法训练出来的模型进行离线预测实践。 基于上文 《隐私计算FATE-模型训练》 中训练出来的模型进行预测任务 关 阅读全文
posted @ 2022-06-27 09:02 zlt2000 阅读(1069) 评论(0) 推荐(0) 编辑
隐私计算FATE-模型训练
摘要：一、说明 本文分享基于 Fate 自带的测试样例，进行 纵向逻辑回归 算法的模型训练，并且通过 FATE Board 可视化查看结果。 本文的内容为基于 《隐私计算FATE-概念与单机部署指南》中部署的环境。 二、进入容器 执行以下命令，进入 Fate 的容器中： docker exec -it $ 阅读全文
posted @ 2022-06-20 09:05 zlt2000 阅读(739) 评论(0) 推荐(0) 编辑
隐私计算FATE-核心概念与单机部署
摘要：一、说明 Fate 是一个工业级联邦学习框架，所谓联邦学习指的就是可以联合多方的数据，共同构建一个模型； 与传统数据使用方式相比，它不需要聚合各方数据搭建 数据仓库，联邦学习在联合计算建模的过程中，多方机构之间的数据是不会进行共享的，实现数据的 可用不可见；本文主要分享隐私计算平台 Fate 的相关 阅读全文
posted @ 2022-06-13 09:03 zlt2000 阅读(915) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示