May, 2024
基于 Maverick-Aware Shapley 估值的联邦学习中的客户选择
Maverick-Aware Shapley Valuation for Client Selection in Federated Learning
Mengwei Yang, Ismat Jarin, Baturalp Buyukates, Salman Avestimehr, Athina Markopoulou
TL;DR使用 Federated Learning 进行模型训练时,处理数据异质性和 Mavericks 等罕见数据的挑战很重要。本文提出了一种考虑 Mavericks 的 Shapley 估值方法,并利用 Maverick-aware SV-based contribution score 在每轮中智能选择对模型最有贡献的客户端,从而实现更好的模型性能和公平的 Shapley Rewards 分配。