隐私计算系统V2

1.任务调度：支持联邦训练任务的调度管理，并支持任务执行过程的可视化。
2.数据管理：支持数据导入、探索性数据分析、数据预处理和特征工程。
3.联邦训练：支持横向联邦训练与纵向联邦训练，具体算法包括：纵向联邦线性回归、纵向联邦逻辑回归、纵向联邦安全提升树、横向联邦逻辑回归、横向联邦安全提升树，以及面向场景的定制化算法设计。
4.模型评估：支持训练模型的量化评估，包括准确率、精确率（查准率）、召回率（查全率）、ROC曲线和K-S曲线等评估指标，同时支持训练模型的贡献评估。
5.模型管理：支持训练模型的查看、导出、部署、删除等操作。
6.在线预测：支持联邦在线预测，包括单例预测和批量预测，以及面向场景的定制化开发。
7.权限管理：支持创建不同操作权限的用户角色，实现角色与权限的动态配置。
8.系统日志：支持训练过程日志和用户操作日志。

搜集汇总

背景与挑战

背景概述

该数据集详细描述了一个隐私计算系统V2，该系统支持联邦学习任务的全流程管理，包括数据导入与预处理、横向和纵向联邦训练算法、模型评估与部署，以及在线预测和权限控制。其特点在于提供多种联邦学习算法（如线性回归、逻辑回归和安全提升树），并支持定制化开发和可视化任务调度，适用于需要保护数据隐私的机器学习应用场景。