# 执行作业
#### 执行横向作业
横向训练型作业在作业配置页面单击"保存"按钮后，单击"提交审批"按钮，审批完成后再单击"执行"按钮。
横向评估型作业在作业配置页面单击"保存"按钮后，可以直接单击"执行"按钮。
1. 用户登录进入计算节点页面。
2. 在左侧导航树上依次选择"作业管理 \> 可信联邦学习"，打开可信联邦学习作业页面。
3. 在"可信联邦学习"页面，查找待执行的作业，单击"执行"，系统自动跳转到"历史作业"页面。 
   图1执行作业   
   ![](https://support.huaweicloud.com/usermanual-tics/zh-cn_image_0000001474044902.png "点击放大")
   
   
4. 等待执行完成，在"历史作业"页面查看对应的执行结果、作业报告。作业报告展示作业详细信息，包括作业输入条件、输出结果、执行环境、合作方信息和模型贡献度等。 
   图2展示作业报告   
   ![](https://support.huaweicloud.com/usermanual-tics/zh-cn_image_0000001601861497.png "点击放大")
   ![](https://support.huaweicloud.com/usermanual-tics/public_sys-resources/note_3.0-zh-cn.png)
   TICS通过沙普利值衡量每个参与方对于模型的贡献度。贡献度体现了参与方在一个评估模型中的重要程度。参与方模型贡献度越大，表示参与方所提供的数据对于模型的影响越大。
   
   
 
#### 执行纵向作业
1. 用户登录进入计算节点页面。
2. 在左侧导航树上依次选择"作业管理 \> 可信联邦学习"，打开可信联邦学习作业页面。
3. 在"可信联邦学习"页面，查找待执行的纵向作业，单击"执行"。 
   图3执行作业   
   ![](https://support.huaweicloud.com/usermanual-tics/zh-cn_image_0000001524565037.png "点击放大")
   
   
4. 在弹出的界面配置执行参数，配置执行参数可选择常规配置与自定义配置。填写完作业参数，单击"确定"即可开始训练作业。 
   - 常规配置：通过界面点选算法使用的常规参数，具体支持的参数请参考[表1]。
      表1常规配置参数 
     | 算法类型         | 参数名   | 参数描述                                                  |
     |:---|:---|:---|
     | XGBoost      | 学习率   | 控制权重更新的幅度，以及训练的速度和精度。取值范围为0\~1的小数。                    |
     | XGBoost      | 树数量   | 定义XGBoost算法中决策树的数量，一个样本的预测值是多棵树预测值的加权和。取值范围为1\~50的整数。 |
     | XGBoost      | 树深度   | 定义每棵决策树的深度，根节点为第一层。取值范围为1\~10的整数。                     |
     | XGBoost      | 切分点数量 | 定义每个特征切分点的数量，数量越多，准确率越高，计算时间越长。取值范围为5\~10的整数。         |
     | XGBoost      | 分类阈值  | 区分正负例的得分阈值。                                           |
     | 逻辑回归/FiBiNET | 学习率   | 控制权重更新的幅度，影响训练收敛速度和模型精度，取值范围为0\~1。                    |
     | 逻辑回归/FiBiNET | 迭代次数  | 完成全部样本训练的次数，取值为正整数。                                   |
     | 逻辑回归/FiBiNET | 批大小   | 单次训练使用的样本数，取值为正整数。                                    |
     | 逻辑回归/FiBiNET | 分类阈值  | 区分正负例的得分阈值                                            |
        
     
   
   - 自定义配置： 通过json格式的文本配置更多高级参数，具体支持的参数请参考[表2]。
      表2自定义配置参数 
     | 参数                      | 是否必选 | 参数类型              | 描述                          |
     |:---|:---|:---|:---|
     | predict_threshold       | 否    | Float             | 预测阈值，最小值0，最大值1              |
     | learning_rate           | 否    | Float             | 学习率，最小值0，最大值1               |
     | batch_size              | 否    | Integer           | 批大小，最小值1                    |
     | epoch                   | 否    | Integer           | 迭代次数，最小值1                   |
     | tree_num                | 否    | Integer           | 树数量，最小值1                    |
     | tree_depth              | 否    | Integer           | 树深度，最小值1                    |
     | split_num               | 否    | Integer           | 切分点数量，最小值5                  |
     | discrete_embedding_size | 否    | Integer           | 离散特征embedding的维度，最小值4       |
     | multihot_embedding_size | 否    | Integer           | multihot特征embedding的维度，最小值4 |
     | mlp_dims                | 否    | Array of integers | 多层感知机每层的节点数                 |
     | reduction_ratio         | 否    | Integer           | senet层压缩比例，最小值2             |
     | save_format             | 否    | String            | 模型保存格式                      |
     | loss_function           | 否    | String            | 损失函数                        |
     | loss_param              | 否    | String            | 损失函数参数json字符串               |
        
     
   
   
   启动作业后会生成一条新的历史作业记录。
   
   
5. 等待执行完成，在"历史作业"页面查看更详细的作业运行信息，包括执行结果、作业报告。