一次性联邦适应性预测
摘要：在这篇论文中，我们介绍了一种符合性预测方法，用于在一次性分布式学习环境中构建预测集。更具体地说，我们定义了一个分位数估计器，并证明对于任意分布，可以在仅一轮通信中输出具有所需覆盖率的预测集。为了减轻隐私问题，我们还描述了我们估计器的本地差分隐私版本。最后，在广泛的实验中，我们展示了我们的方法返回的预测集的覆盖率和长度与集中式环境中获得的非常相似。总体而言，这些结果表明我们的方法特别适用于在一次性分布式学习环境中进行符合性预测。
作者：Pierre Humbert (LMO, CELESTE), Batiste Le Bars (MAGNET, CRIStAL), Aur''elien Bellet (MAGNET, CRIStAL), Sylvain Arlot (LMO, CELESTE)
论文ID：2302.06322
分类：Machine Learning
分类简称：stat.ML
提交时间：2023-08-01