联邦学习

联邦学习分类 横向联邦学习 （图片源于论文Federated Machine Learning: Concept and Applications） 每一行为一个样本sample，每一列为一个特征feture，有些数据集包含标签label。 横向联邦学习适用于样本特征相似性大，但是用户数据重叠部分较小的情况。例如在金融领域，不同地区的银行，他们的用户数据重叠较少，但是用户涉及到的业务几乎类型一样。