Federated Automated Feature Engineering

要約

自動化された機能エンジニアリング（AutoFE）を使用して、重要な人間の介入とドメインの専門知識を必要とせずに予測パフォーマンスを向上させるために、元の機能から新しい機能を自動的に作成します。
Autofeには多くのアルゴリズムが存在しますが、多くのクライアントにデータが収集され、クライアントまたはセントラルサーバー間で共有されていないフェデレートラーニング（FL）設定には、非常に少数のアプローチが存在しません。
水平、垂直、およびハイブリッドFLの設定にAutofeアルゴリズムを導入します。これは、クライアント間でデータの収集方法が異なります。
私たちの知る限り、私たちは水平およびハイブリッドFLのケースのオートフェアルゴリズムを最初に開発したことであり、私たちのフェデレーションされたオートフェアルゴリズムのダウンストリームテストスコアが、データがセントラルに保持され、オートフェが中央に実行される場合にパフォーマンスが緊密であることを示します。

要約(オリジナル)

Automated feature engineering (AutoFE) is used to automatically create new features from original features to improve predictive performance without needing significant human intervention and domain expertise. Many algorithms exist for AutoFE, but very few approaches exist for the federated learning (FL) setting where data is gathered across many clients and is not shared between clients or a central server. We introduce AutoFE algorithms for the horizontal, vertical, and hybrid FL settings, which differ in how the data is gathered across clients. To the best of our knowledge, we are the first to develop AutoFE algorithms for the horizontal and hybrid FL cases, and we show that the downstream test scores of our federated AutoFE algorithms is close in performance to the case where data is held centrally and AutoFE is performed centrally.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google