FedECA：一种在分布式环境中用于因果推断和时间至事件数据的联合外部控制臂方法
原文中文，约300字，阅读约需1分钟。发表于：。利用名为联邦学习的隐私增强技术，本文介绍了一种用于事件发生时间的逆概率加权联邦学习方法，名为 FedECA，以减少数据共享的障碍。通过大量实验证明，FedECA 在统计能力和治疗和对照组的平衡方面胜过其最接近的竞争对手，即匹配调整间接比较（MAIC）。为了鼓励使用这种方法，我们公开发布了基于 Substra 的代码，Substra 是一个在隐私敏感环境中经过验证的开源联邦学习软件。
本文介绍了一种名为FedECA的逆概率加权联邦学习方法，用于事件发生时间的预测。通过大量实验证明，FedECA在统计能力和治疗和对照组的平衡方面胜过竞争对手MAIC。为了鼓励使用该方法，作者公开发布了基于Substra的代码，Substra是一个经过验证的开源联邦学习软件。
