资料下载
×
基于ExtraTrees的差分隐私保护算法DiffPETs
消耗积分:0 |
格式:rar |
大小:1.01 MB |
2021-05-11
分享资料个
为在同等隐私保护级别下提高模型的预测准确率并降低误差，提出一种基于 Extratrees的差分隐私保护算法 Differs。在决策树生成过程中，根据不同的准则计算出各特征的结果值，利用指数机制选择得分最高的特征，通过拉普拉斯机制在叶子节点上进行加噪，使算法能够提供ε-差分隐私保护。将 Diffsets算法应用于决策树分类和回归分析中，对于分类树，选择基尼指数作为指数机制的可用性函数并给出基尼指数的敏感度，在回归树上，将方差作为指数机制的可用性函数并给出方差的敏感度。实验结果表明，与决策树差分隐私分类和回归算法相比， Diffsets算法能有效降低预测误差。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
