联邦机器学习

Federatedml模块包括许多常见机器学习算法联邦化实现。所有模块均采用去耦的模块化方法开发，以增强模块的可扩展性。具体来说，我们提供：

1. 联邦统计: 包括隐私交集计算，并集计算
2. 联邦特征工程：包括联邦采样，联邦特征分箱，联邦特征选择等。
3. 联邦机器学习算法：包括横向和纵向的联邦LR, GBDT， DNN等
4. 模型评估：提供对二分类，多分类，回归评估
5. 安全协议：提供了多种安全协议，以进行更安全的多方交互计算。

算法清单

如需不通过FATE-Client直接调用算法模块，请查看此教程.

算法	模块名	描述	数据输入	数据输出	模型输入	模型输出
Reader		传递用户指定输入数据表给下游组件		output_data
PSI	PSI	计算两方的相交数据集，而不会泄漏任何差异数据集的信息。主要用于纵向任务	input_data	output_data
Sampling	Sample	对数据进行联邦采样，使得数据分布在各方之间变得平衡。这一模块同时支持本地和联邦场景。	input_data	output_data
Data Split	DataSplit	将数据集切分成训练、验证、测试集。	input_data	train_output_data, validate_output_data, test_output_data
Feature Scale	FeatureScale	特征归一化和标准化。	train_data, test_data	train_output_data, test_output_data	input_model	output_model
Data Statistics	Statistics	计算各类统计指标。	input_data			output_model
Hetero Feature Binning	HeteroFeatureBinning	使用分箱的输入数据，计算每个列的iv和woe，并根据合并后的信息转换数据。	train_data, test_data	train_output_data, test_output_data	input_model	output_model
Hetero Feature Selection	HeteroFeatureSelection	提供多种类型的filter。每个filter都可以根据用户配置选择列。	train_data, test_data	train_output_data, test_output_data	input_models, input_model	output_model
Coordinated-LR	CoordinatedLR	通过多方构建纵向逻辑回归模块。	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model	output_model
Coordinated-LinR	CoordinatedLinR	通过多方建立纵向线性回归模块	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model	output_model
Homo-LR	HomoLR	通过多方构建横向逻辑回归模块。	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model	output_model
Homo-NN	HomoNN	通过多方构建横向神经网络模块。	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model	output_model
Hetero-NN	HeteroNN	通过多方构建纵向联邦神经网络模型。	train_data, validate_data, test_data	train_data_output, predict_data_output	train_model_input, predict_model_input	train_model_output
Hetero Secure Boosting	HeteroSecureBoost	通过多方构建纵向联邦梯度提升树模型。	train_data, test_data, cv_data	train_data_output, test_data_output, cv_output_datas	train_model_input, predict_model_input	train_model_output
Evaluation	Evaluation	评估二分类、多分类、回归等指标。	input_data
Union	Union	将多个数据表合并成一个。	input_data	output_data
SSHE-LR	SSHELR	通过两方构建纵向逻辑回归模块。	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model	output_model
SSHE-LinR	SSHELinR	通过两方构建纵向线性回归模块。	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model	output_model
算法	模块名	描述	样例	数据输入	数据输出	模型输入
--------------------------------------------------	------------------------	--------------------------------------------	------------------------------------------------------------------------------------	-----------------------------------------------	-----------------------------------------------------------	----------------------------------------
Reader		传递用户指定输入数据表给下游组件			output_data
PSI	PSI	计算两方的相交数据集，而不会泄漏任何差异数据集的信息。主要用于纵向任务	psi	input_data	output_data
Sampling	Sample	对数据进行联邦采样，使得数据分布在各方之间变得平衡。这一模块同时支持本地和联邦场景。	sample	input_data	output_data
Data Split	DataSplit	将数据集切分成训练、验证、测试集。	data split	input_data	train_output_data, validate_output_data, test_output_data
Feature Scale	FeatureScale	特征归一化和标准化。	feature scale	train_data, test_data	train_output_data, test_output_data	input_model
Data Statistics	Statistics	计算各类统计指标。	statistics	input_data
Hetero Feature Binning	HeteroFeatureBinning	使用分箱的输入数据，计算每个列的iv和woe，并根据合并后的信息转换数据。	hetero feature binning	train_data, test_data	train_output_data, test_output_data	input_model
Hetero Feature Selection	HeteroFeatureSelection	提供多种类型的filter。每个filter都可以根据用户配置选择列。	hetero feature selection	train_data, test_data	train_output_data, test_output_data	input_models, input_model
Coordinated-LR	CoordinatedLR	通过多方构建纵向逻辑回归模块。	coordinated LR	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model
Coordinated-LinR	CoordinatedLinR	通过多方建立纵向线性回归模块	coordinated LinR	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model
Homo-LR	HomoLR	通过多方构建横向逻辑回归模块。	homo lr	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model
Homo-NN	HomoNN	通过多方构建横向神经网络模块。	homo nn	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model
Hetero-NN	HeteroNN	通过多方构建纵向联邦神经网络模型。	hetero nn	train_data, validate_data, test_data	train_data_output, predict_data_output	train_model_input, predict_model_input
Hetero Secure Boosting	HeteroSecureBoost	通过多方构建纵向联邦梯度提升树模型。	hetero secureboost	train_data, test_data, cv_data	train_data_output, test_data_output, cv_output_datas	train_model_input, predict_model_input
Evaluation	Evaluation	评估二分类、多分类、回归等指标。	evaluation	input_data
Union	Union	将多个数据表合并成一个。	union	input_data_list	output_data
SSHE-LR	SSHELR	通过两方构建纵向逻辑回归模块。	SSHE LR	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model
SSHE-LinR	SSHELinR	通过两方构建纵向线性回归模块。	SSHE LinR	train_data, validate_data, test_data, cv_data	train_output_data, test_output_data, cv_output_datas	input_model, warm_start_model
Feature Correlation	FeatureCorrelation	计算本地或纵向联邦下的相关性系数。	Feature Correlation	input_data		input_model