DataTrust隐私计算_隐私增强计算(DataTrust)-阿里云帮助中心

备案控制台

输入文档关键字查找

场景描述

A有一张数据表demo_fl_alice_train_original用于记录人群属性（学历、工作经历等），标签是income；B有一张数据表demo_fl_bob_train_original用于记录人群属性（关系、民族等）。

需求是A想联合B数据，使用XGB，进行联合建模。可通过创建TrustML/Training任务实现。

步骤一：新建TrustML/Training任务

在DataTrust首页，单击顶部菜单栏的通用计算。进入任务研发页面。
在通用方案中，选择创建安全联邦学习（任务模式）任务。

在创建任务页面中，任务类型选择TrustML/Training任务。

步骤二：配置任务参数信息

在创建任务页面，配置基础信息参数。

参数	描述
任务名称	请填写任务的名称。
运行方式	指使用哪一种技术方式实现，目前支持安全多方、联邦学习两种。
调度规则	支持日常不调度、按日调度、按周调度、按月调度四种，配置后会按配置的周期定时跑该任务。日常不调度：配置后不运行任务。按日调度：每天运行任务。按周调度：每周运行任务。按月调度：每月运行任务。
训练类型	仅支持特征切分。特征切分（纵向切分）：指两边数据特征不一样，特征分在了两边。数据切分（横向切分）：指两边数据结构一致，只是拥有的数据。
特征分布	支持使用方【X1+Y】+加持方【X2】和使用方【Y】+加持方【X2】。使用方【X1+Y】+加持方【X2】：指两方都拥有一部分特征数据，其中使用方拥有标签数据。使用方【Y】+加持方【X2】：指使用方拥有特征数据，加持方拥有特征数据。
数据格式	支持普通格式和KV格式。普通格式：表明数据没有事先进行数据特征数值化处理，适用字段特征个数较少情况 KV格式：所有列均为string类型。features列格式为key:value keyN:valueN键值对组合，空格分割。适用特征维度特别多，特别是神经网络算法。
数据集设置	配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指需要数据的一方。加持方：指提供数据的一方。训练集：需训练的数据表。 Label字段：指标签字段，用于后续训练学习。对齐字段：指双方数据集，用于碰撞匹配的字段。数据分区：分区分为动态分区和静态分区，动态分区按照日、小时调度。特征数：请输入数据的特征指数。数据集比例划分：用于按比例随机划分训练集和测试集。

单击下一步，配置数据处理参数。

参数	描述
算法分类	支持的算法分类为FL决策树、FL线性回归、FL逻辑回归、FL深度学习。 FL决策树支持的算法为XGBoostWithDp:Decision_Tree，用于二分类、多分类、回归。 FL线性回归支持的算法为LinearRegressionWithHe:Linear_Regression_With_He，用于回归。 FL逻辑回归支持的算法为LogisticRegressionWithHe:Logistic_Regression_He、LogisticRegressionWithMpc:Logistic_Regression_Mpc，用于二分类。 FL深度学习支持的算法为Mlp：多层感知机、WideDeep:Wide&Deep、DeepFM:DeepFM，用于二分类、多分类、回归。
默认参数	根据所选的算法分类及算法为您展示模型参数。
高级参数	您可点击配置参数，添加高级参数。

单击下一步，配置特征分析。任务基础设置中配置的数据集或勾选的字段变更后，列表中不存在的表或字段在提交时会自动删除。点击使用默认配置可实现一键配置。

参数	描述
参与方/数据表名	请输入参与方的数据表。
字段类型	对齐字段和Label字段不支持数据处理。
处理类型	支持数据归一化、数据分箱、数据编码三种方式。数据归一化：仅支持用于数值类型。包括Min-Max极差变换法、Z-Score归一化。数据分箱：仅支持用于数值类型。包括等频分箱、等距分箱、卡方分箱。处理类型选择分箱处理后，则不能再选择其他处理类型。每个字段只能选择一种分箱处理。数据编码：仅支持用于字符类型。包括One-hot编码、Binary编码、WOE编码。

单击提交，完成任务的创建。

步骤三：新建TrustML/Prediction任务

在DataTrust首页，单击顶部菜单栏的工作台。进入任务研发页面。
在通用方案中，选择创建安全联邦学习（任务模式）任务。

在创建任务页面中，任务类型选择TrustML/Prediction任务。

步骤四：配置任务参数信息

在创建任务页面，配置基础信息参数。如果运行方式为可行执行环境，则必须在当前合作空间中创建好表；如果是联邦学习、安全多方，则在LSCC侧创建好表。表字段为：id，predict_result，均为字符串类型。

参数	描述
任务名称	请填写任务的名称。
运行方式	指使用哪一种技术方式实现，目前支持安全多方、联邦学习两种。
任务类型	任务类型默认是TrustML/Prediction，不支持修改。
调度规则	支持日常不调度、按日调度、按周调度、按月调度四种，配置后会按配置的周期定时跑该任务。日常不调度：配置后不运行任务。按日调度：每天运行任务。按周调度：每周运行任务。按月调度：每月运行任务。
依赖模型	指训练任务生成的模型。
模型版本	指在训练任务中会生成多个模型版本，需要选定一个模型版本进行模型效果评估。
训练模型	仅支持特征切分。特征切分（纵向切分）：指两边数据特征不一样，特征分在了两边。数据切分（横向切分）：指两边数据结构一致，只是拥有的数据。
特征分布	支持使用方【X1+Y】+加持方【X2】和使用方【Y】+加持方【X2】。使用方【X1+Y】+加持方【X2】：指两方都拥有一部分特征数据，其中使用方拥有标签数据。使用方【Y】+加持方【X2】：指使用方拥有特征数据，加持方拥有特征数据。
数据格式	支持普通格式和KV格式。普通格式：表明数据没有事先进行数据特征数值化处理，适用字段特征个数较少情况 KV格式：所有列均为string类型。features列格式为key:value keyN:valueN键值对组合，空格分割。适用特征维度特别多，特别是神经网络算法。
预测数据集	配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指数据需求方。加持方：指数据支持方。数据名称：选择已创建的数据，如需创建，请参见上传数据。对齐字段：指双方数据集，用于碰撞匹配的字段。数据分区：分区分为动态分区和静态分区，动态分区按照日、小时调度。
结果输出给	可选择输出给使用方或加持方任何一方。
预测结果表	选择已创建好的输出结果表。预测任务结果，在预测结果输出表中查看。
预测值模型	仅对二分类有效。枚举值：即直接给出判断结果，支持自定义阈值，可不填。 Score：输出预测评分。

单击下一步，配置数据处理参数。

参数	描述
算法分类	支持的算法分类为FL决策树、FL线性回归、FL逻辑回归、FL深度学习。 FL决策树支持的算法为XGBoostWithDp:Decision_Tree，用于二分类、多分类、回归。 FL线性回归支持的算法为LinearRegressionWithHe:Linear_Regression_With_He，用于回归。 FL逻辑回归支持的算法为LogisticRegressionWithHe:Logistic_Regression_He、LogisticRegressionWithMpc:Logistic_Regression_Mpc，用于二分类。 FL深度学习支持的算法为Mlp：多层感知机、WideDeep:Wide&Deep、DeepFM:DeepFM，用于二分类、多分类、回归。
默认参数	根据所选的算法分类及算法为您展示模型参数。
高级参数	您可以点击配置参数，添加高级参数。

单击提交，完成任务的创建。

后续步骤

任务创建完成后，您可在任务列表页面对任务执行查看、编辑、运行等操作。详情请参见任务管理。
任务创建完成后，您可在模型管理中查看特征分析结果。详情请参见模型管理。

上一篇：通用联邦学习模板下一篇：创建安全数据加密任务

文档内容是否对您有帮助？