清华大学申请梯度提升决策树联邦训练方法和系统专利，能同时保证高精度和训练速度lg...

摘要：金融界2024年1月2日消息，据国家知识产权局公告，清华大学申请一项名为“梯度提升决策树联邦训练方法和系统”，公开号CN117332873A，申请日期为2023年9月。专利摘要显示，本发明提供一种梯度提升决策树联邦训练方法和系统，包括：构建根结点，利用边界探测策略将机构参与方划分为掉队者和非掉队者；对于当前待分裂层的每个结点，根据全量特征局部聚合结果和期望特征直方图确定结点的分裂特征；利用分裂特征对结点进行分裂，得到下一层树结点；对于每层树结点，重复步骤，直至深度达到预设树深度，得到除叶子结点以外的树结点；若各树结点的最优分裂特征与所选分裂特征均相同，分裂得到叶子结点，并对叶子结点赋值；若各树结点的最优分裂特征与所选分裂特征存在不同，将训练过程回滚至在次优分裂特征上分裂的结点并进行重新分裂；完成当前回归树的构建。本发明能同时保证高精度和训练速度。