申请/专利权人：创新先进技术有限公司

申请日：2019-07-04

公开（公告）日：2021-01-05

公开（公告）号：CN112183566A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N20/00(20190101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.01.22#实质审查的生效;2021.01.05#公开

摘要：本公开提供用于训练线性逻辑回归模型的方法和装置。在该方法中，在训练发起方处，将特征样本集和标记值分别分割为第一数目个特征样本子集和第一数目个部分标记值，并将第二数目个特征样本子集和部分标记值中的每个分别发送给对应的训练协同方。然后，基于各个训练参与方的当前子模型和对应的特征样本子集，使用秘密共享矩阵乘法来获得各个训练参与方的当前预测值。在各个训练参与方处，确定各自的预测差值，并且基于特征样本集和各自的预测差值，确定各自的模型更新量。然后，在各个训练参与方处，基于各自的当前子模型以及对应的模型更新量来更新各自的子模型。循环执行上述过程，直到满足循环结束条件。

主权项：1.一种用于经由多个训练参与方来协同训练线性逻辑回归模型的方法，所述线性逻辑回归模型由第一数目个子模型组成，每个训练参与方具有一个子模型，所述第一数目等于所述训练参与方的数目，所述训练参与方包括训练发起方和至少一个训练协同方，所述训练发起方的训练样本数据具有特征样本集和标记值，所述训练样本数据是通过水平切分得到的，所述方法由训练发起方执行，所述方法包括：执行下述循环过程，直到满足循环结束条件：将所述特征样本集分割为所述第一数目个特征样本子集，并将第二数目个特征样本子集中的每个分别发送给对应的训练协同方，所述第二数目等于所述第一数目减一；基于各个训练参与方的当前子模型和所述训练发起方的特征样本子集，使用秘密共享矩阵乘法来获得所述训练发起方的当前预测值；将所述标记值分割为所述第一数目个部分标记值，并将所述第二数目个部分标记值中的每个分别发送给对应的训练协同方；确定所述训练发起方的当前预测值与对应的部分标记值之间的预测差值；基于所述特征样本集和所述训练发起方处的预测差值，确定所述训练发起方处的模型更新量；以及基于所述训练发起方的当前子模型以及对应的模型更新量来更新所述训练发起方的子模型，其中，在循环过程未结束时，所述更新后的各个训练参与方的子模型被用作下一循环过程的当前子模型。

全文数据：

权利要求：

百度查询： 创新先进技术有限公司 模型训练方法、装置及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD