首个联邦目标最大似然估计（Federated TMLE）算法提出
针对医院、银行等机构因隐私限制无法汇聚单点原始数据的问题，研究人员提出了首个联邦目标最大似然估计（Federated TMLE）算法。TMLE作为一种兼顾模型灵活性与统计推断效率的经典方法，此前主要依赖中心化计算。该研究将针对任意目标与损失函数的目标优化步骤联邦化，实现了在跨机构联邦学习框架下的高效统计与因果推断。
推荐理由将统计因果推断中的经典TMLE方法首次拓展至跨机构联邦学习场景，对医疗与金融隐私计算有一定学术参考价值。
原标题：Federated Targeted Maximum Likelihood Estimation
阅读 arXiv 机器学习 原文 ↗