一、模板说明
通过提供通用机器学习模板，展示完整的数据收集、特征工程、模型选择和训练、模型评估、模型部署和应用以及模型复用的一系列算子的使用方法，使用户能够高效构建准确的联邦学习模型。
二、使用步骤
通过提供通用机器学习模板，展示完整的数据收集、特征工程、模型选择和训练、模型评估、模型部署和应用以及模型复用的一系列算子的使用方法，使用户能够高效构建准确的联邦学习模型。
step 1 联邦数据输入：收集和准备原始数据，包括数据输入和虚拟关联，使得用户能够在形式上以单机的方式使用联邦学习双方的数据。
note: 所有的数据均保存在持有方本地，本身绝对保密。虚拟关联仅是在形式上模拟为同一份数据，以方便用户搭建顺利。
step 2 数据拆分：将数据拆分为训练集和测试集，用于验证模型的各项指标数据。
note：在模板中，选择了拆分比例80%，即80%数据用于训练（输出表1），20%数据用于测试（输出表2）。用户可自行调整需求。
step 3 训练侧特征工程：选择和提取有用的特征，包括特征选择、特征变换、特征抽取和特征组合等。其中，对于Category特征和Numeric特征，均有对应的处理方案，详见组件说明。特征工程的配置可输出，供预测和评估流程使用。
step 4 测试侧特征工程：选择和提取有用的特征，包括特征选择、特征变换、特征抽取和特征组合等。其中，对于Category特征和Numeric特征，均有对应的处理方案，详见组件说明。特征工程的配置由输入的配置文件确定，用户也可自行设定。
step 5 模型训练和预测：选择合适的算法和模型，训练模型并进行调参和优化。目前联邦学习模型可以选择XGBoost、Logistic Regression、DNN等。
step 6 模型评估：使用各种评估指标和技术对模型进行评估，用户可以自行使用交叉验证等方法，测试不同数据集的混淆矩阵、AUC、KS等各项指标。详见组件说明。
三、名词解释
Category特征：是指数据集中的离散型变量，其取值通常为一个有限的集合，并且这些取值之间没有大小或序的关系。例如，性别、婚姻状况、职业、城市等都是Category类特征。在DataTrust中用String标识。
Numeric特征：取值通常是一个数值或一段数值区间，其取值可以是任意实数，并且具有大小和顺序的关系。例如年龄、收入等都是Numeric特征。其中，整型Numeric特征用BIGINT标识，浮点型Numeric特征用DOUBLE标识。
交叉验证：在交叉验证中，数据集被划分为训练集和验证集两部分，模型基于训练集进行训练，然后用验证集来评估模型的性能。这种方法可以有效地评估模型的泛化能力，并减少因样本随机性带来的影响。
混淆矩阵：评估分类模型性能的一种重要工具，可以用来计算模型的准确率、精确率、召回率、F1得分等性能指标。其中，准确率指模型正确预测的样本数占总体样本数的比例；精确率指预测为正例的样本中实际为正例的比例；召回率指实际为正例的样本中被正确预测为正例的比例；F1得分是精确率和召回率的调和平均数。
AUC：用于评估二分类模型性能的一种常用指标，取值范围在0.5到1之间，AUC越大表示模型性能越好。
KS值：是用于衡量二分类模型区分度的指标，常用于评估信用风险、反欺诈等领域。KS值的取值范围在0到1之间，KS值越大，表示模型的区分度越好，分类效果越好。通常将KS值大于0.2视为模型的分类效果良好，KS值小于0.2则需要进一步优化模型。
- 本页导读 （0）