一种基于FTRL和学习率的纵向联邦逻辑回归训练方法及装置

摘要

本发明公开了一种基于FTRL和学习率的纵向联邦逻辑回归训练方法及装置，根据模型梯度碎片按照第一预设公式计算获取每一维度的特征对应的学习率，根据模型梯度碎片、学习率以及模型参数按照第二预设公式计算得到每一维度的特征对应的梯度累积值碎片，按照第三预设公式对梯度累积值碎片以及学习率进行计算得到每一维度的特征对应的模型更新参数碎片，利用所有维度的特征的模型更新参数碎片对预设模型进行更新训练，获取更新后的预设模型，重复上述步骤对预设模型进行迭代更新，直至满足预设收敛条件，获取目标模型，本发明可以在纵向联邦逻辑回归中保持较好的模型参数稀疏性，以及具有更优的安全学习率策略，可以达到更高的精度。