【问题标题】:TFF : Difference between split clients into train and test or split each client dataset into train and testTFF:将客户端拆分为训练和测试或将每个客户端数据集拆分为训练和测试之间的区别
【发布时间】:2020-07-03 08:22:35
【问题描述】:

this论文中,作者选择了2500个训练客户和900个客户进行评估

但是在这个tutorial 中,他们将每个客户端的数据集拆分为训练和测试。所以,我想知道哪个更好?将客户分为培训和评估的重要性是什么? 谢谢!!

【问题讨论】:

    标签: tensorflow-federated


    【解决方案1】:

    “哪种评估方法更好”取决于调查人员试图回答的问题。保留用户(论文)和保留示例(教程)都可以提供有关模型和训练过程的不同信息。

    本文重点介绍了全局模型准确度个性化模型准确度之间的关系。 个性化准确度衡量每个客户的本地模型对客户本地数据的执行情况。在这种情况下,每个客户端最终都有一个不同的模型。

    本教程仅研究第一部分,全局模型准确性,没有继续为每个客户在本地个性化模型。

    在实际设置中,并不总是可以对模型进行个性化(某些客户端可能没有数据),并且某些个性化策略可能会使模型对给定客户端变得更糟。然而,正如本文所展示的,有效的个性化策略可以显着提高本地客户准确性

    【讨论】:

      猜你喜欢
      • 1970-01-01
      • 2018-01-01
      • 2019-12-11
      • 2017-06-11
      • 1970-01-01
      • 2017-11-01
      • 2019-05-01
      • 2021-03-02
      相关资源
      最近更新 更多