Federated Automated Feature Engineering

要約

自動特徴エンジニアリング (AutoFE) を使用して、元の特徴から新しい特徴を自動的に作成し、人間による大幅な介入や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ます。
AutoFE には多くのアルゴリズムが存在しますが、データが多くのクライアント間で収集され、クライアントまたは中央サーバー間で共有されないフェデレーテッド ラーニング (FL) 設定には、ほとんどアプローチが存在しません。
クライアント間でデータが収集される方法が異なる、水平、垂直、およびハイブリッド FL 設定用の AutoFE アルゴリズムを導入します。
私たちの知る限り、私たちは水平およびハイブリッド FL ケース用の AutoFE アルゴリズムを開発した最初の者であり、フェデレーテッド AutoFE の下流モデルのパフォーマンスが、データが中央で保持され、AutoFE が中央で実行される場合と同様であることを示しました。

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 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 model performance of federated AutoFE is similar to the case where data is held centrally and AutoFE is performed centrally.

arxiv情報

著者 Tom Overman,Diego Klabjan
発行日 2024-12-05 18:23:44+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: cs.DC, cs.LG パーマリンク