一种基于数据样本权重的联邦学习预测模型构建方法

本发明公开一种基于数据样本权重的联邦学习预测模型构建方法，是在本地设备上训练模型，不上传数据信息，能够很好的保护用户隐私及确保数据安全，同时，在训练模型时添加数据样本权重，分散了数据和计算，减少了对数据传输和中央服务器计算资源的需求且减少了单点故障的风险，解决了现有技术所存在的数据偏斜及模型过适应的问题，可有效提升模型预测性能，尤其适用于涉及个人隐私的医学数据。