一种局部训练集的数据训练方法、装置、设备及存储介质

本申请涉及机器学习技术领域，具体涉及一种局部训练集的数据训练方法、装置、设备及存储介质。该方法包括：获取局部在线学习的第一训练集和测试集，在测试集中选择一个测试数据，计算第一训练集中至少一个训练数据到测试点之间的距离，并对所有计算的距离进行排序；对第一训练集中的多个训练数据进行过滤，生成第二训练集，根据高斯过程回归以及第二训练集中的至少一个训练数据，对测试集中的测试数据进行预测，输出预测结果，并传输给服务器，以使服务器根据预测结果整合得到全局的机器学习模型。本方法既保证对新的测试数据的输出预测结果的正确性，提升计算效率，还去除预测结果的极端训练数据，保证局部预测结果对数据投毒攻击的鲁棒性。