New Solutions Based on the Generalized Eigenvalue Problem for the Data Collaboration Analysis

要約

近年、さまざまな機関にまたがるデータの蓄積により、機密情報を保護しながら複数機関間でデータを共有することで分析精度を向上させる機密データ解析技術が注目を集めています。
これらの手法の中でも、データ コラボレーション分析 (DCA) は、計算コストと通信負荷の点で効率が高く、機密情報を保護しながら、さまざまな機関間でのデータ共有と分析を容易にすることで注目されています。
しかし、必要な協調関数を決定するための既存の最適化問題は、協調表現の最適解がゼロ行列であることが多いことや、解を導き出すプロセスを理解することが難しいなどの課題に直面していました。
本研究では、行列を列ベクトルに分割することで最適化問題を定式化し、一般化固有値問題に基づく解法を提案することで、これらの問題に対処しました。
さらに、特定の状況に適した効率的なアルゴリズムの重み付けと選択を通じて、協調機能をより効果的に構築する方法を示します。
実世界のデータセットを使用した実験により、協調関数最適化問題に対して提案した定式化と解決策が、既存の方法と比較して優れた予測精度を実現することが示されました。

要約(オリジナル)

In recent years, the accumulation of data across various institutions has garnered attention for the technology of confidential data analysis, which improves analytical accuracy by sharing data between multiple institutions while protecting sensitive information. Among these methods, Data Collaboration Analysis (DCA) is noted for its efficiency in terms of computational cost and communication load, facilitating data sharing and analysis across different institutions while safeguarding confidential information. However, existing optimization problems for determining the necessary collaborative functions have faced challenges, such as the optimal solution for the collaborative representation often being a zero matrix and the difficulty in understanding the process of deriving solutions. This research addresses these issues by formulating the optimization problem through the segmentation of matrices into column vectors and proposing a solution method based on the generalized eigenvalue problem. Additionally, we demonstrate methods for constructing collaborative functions more effectively through weighting and the selection of efficient algorithms suited to specific situations. Experiments using real-world datasets have shown that our proposed formulation and solution for the collaborative function optimization problem achieve superior predictive accuracy compared to existing methods.

arxiv情報

著者 Yuta Kawakami,Yuichi Takano,Akira Imakura
発行日 2024-04-22 13:26:42+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: 15A18, C.2.4, cs.DC, cs.LG パーマリンク