更新时间：2024-05-06 GMT+08:00
数据准备
乳腺癌数据集从UCI获取，该数据集只包含连续类型特征，因此对所有特征使用Scikit-Learn的StandardScaler进行了归一化。为了模拟横向联邦学习场景，将数据集随机划分为三个大小类似的部分：（1）xx医院的训练集；（2）其他机构的训练集；（3）独立的测试集，用于准确评估横向联邦学习得到的模型准确率。此外由于原始的数据集较小，采用了Imbalanced-Learn中的SMOTE算法，进行了数据集的扩充。下表为扩充过后的数据集统计信息。
乳腺癌数据集统计信息。
|
统计量 |
取值 |
|---|---|
|
特征数目 |
30 |
|
xx医院的训练样本数目 |
7366 |
|
其他机构的训练样本数目 |
7366 |
|
测试集样本数目 |
7257 |
操作步骤
- 进入TICS服务控制台。
- 在计算节点管理中，找到购买的计算节点，通过登录地址，进入计算节点控制台。
图1 前往计算节点
- 登录到计算节点后，进入数据管理并进行数据集发布。
图2 数据管理中新建数据集
- 参考下图填写参数信息。（1）指定连接器为localConnector，选择数据文件的路径，填写数据名称；（2）字段配置中特征字段（x_{特征序号}）均配置为字段类型：FLOAT，字段类别：特征，特征类型：连续；标签字段（label）配置为字段类型：INTEGER，字段类别：标签。
图3 配置数据集参数
- 发布数据集。
图4 发布数据集
数据集发布的过程并不会直接从数据源中导出用户数据，仅从数据源处获取了数据集相关的元数据信息，用于任务的解析、验证等。
父主题： 测试步骤
