研究者提出协变量不匹配下的协作线性预测方法

针对多中心训练中各方采集特征集不一致的“协变量不匹配”问题，研究者 Alexis Ayme 与 Rémi Khellaf 提出了一套线性预测估计方法，相关论文发布于 arXiv。 方法在中心级 MCAR 缺失假设下分两种场景：低维场景采用基于协方差与交叉矩分量聚合的插件式估计；高维场景先做保持可交换性的插补，再用岭正则化线性模型回归。研究者称，所有估计器均兼容联邦学习约束，即个体数据留在各中心本地，仅交换聚合量，并给出了渐近与有限样本学习率。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。