Submitted 22 August, 2024; v1 submitted 20 August, 2024; originally announced August 2024. , Comments: To appear in Proceedings of the 17th ACM Workshop on Artificial Intelligence and Security, 2024
توضیحات به فارسی
ارسال شده در 22 اوت 2024 ؛V1 ارسال شده در 20 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: برای حضور در مجموعه مقالات کارگاه 17 ACM در زمینه هوش مصنوعی و امنیت ، 2024
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Data scientists often seek to identify the most important features in high-dimensional datasets. This can be done through $L_1$-regularized regression, but this can become inefficient for very high-dimensional datasets. Additionally, high-dimensional regression can leak information about individual datapoints in a dataset. In this paper, we empirically evaluate the established baseline method for feature selection with differential privacy, the two-stage selection technique, and show that it is not stable under sparsity. This makes it perform poorly on real-world datasets, so we consider a different approach to private feature selection. We employ a correlations-based order statistic to choose important features from a dataset and privatize them to ensure that the results do not leak information about individual datapoints. We find that our method significantly outperforms the established baseline for private feature selection on many datasets.
چکیده به فارسی (ترجمه ماشینی)
دانشمندان داده اغلب به دنبال شناسایی مهمترین ویژگی ها در مجموعه داده های با ابعاد بالا هستند.این کار را می توان از طریق رگرسیون $ $ $ $ انجام داد ، اما این می تواند برای مجموعه داده های بسیار با ابعاد بسیار ناکارآمد باشد.علاوه بر این ، رگرسیون با ابعاد بالا می تواند اطلاعات مربوط به داده های فردی را در یک مجموعه داده نشت کند.در این مقاله ، ما به صورت تجربی روش پایه تعیین شده را برای انتخاب ویژگی با حریم خصوصی دیفرانسیل ، تکنیک انتخاب دو مرحله ای ارزیابی می کنیم و نشان می دهیم که تحت کمبود آن پایدار نیست.این امر باعث می شود که در مجموعه داده های دنیای واقعی عملکرد ضعیفی داشته باشد ، بنابراین ما یک رویکرد متفاوت برای انتخاب ویژگی های خصوصی در نظر می گیریم.ما از یک آمار سفارش مبتنی بر همبستگی استفاده می کنیم تا ویژگی های مهم را از یک مجموعه داده انتخاب کرده و آنها را خصوصی کنیم تا اطمینان حاصل شود که نتایج اطلاعات مربوط به اطلاعات مربوط به اطلاعات فردی را نشت نمی کند.ما می دانیم که روش ما به طور قابل توجهی از مبانی تعیین شده برای انتخاب ویژگی های خصوصی در بسیاری از مجموعه داده ها بهتر است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
