4、隐私保护分类中的保留替换方法及其分类器构建

隐私保护分类中的保留替换方法及其分类器构建

1. 隐私保护分类概述

在隐私保护分类中，训练实例通常是经过扭曲处理的，这使得分类任务变得复杂。主要涉及决策树、基于新兴模式的急切分类器和懒惰分类器的构建，并且着重处理连续属性经过保留替换随机化方法扭曲后的数据。

2. 分类算法介绍

2.1 急切隐私保护分类器（ePPCwEP）

• 训练步骤 ：
  1. 发现新兴模式（EPs） ：将连续和标称属性转换为二进制属性，根据类标签将训练集划分为子集，使用MMASK挖掘频繁集，存储支持度，找出满足增长率阈值的EPs。
  2. 计算统计信息 ：为每个类的所有训练实例计算聚合分数和基础分数。
• 测试步骤 ：为每个测试实例计算聚合和归一化分数，将具有最大归一化分数的类分配给测试实例。

Algorithm 1. ePPCwEP, the eager Privacy Preserving Classifier with Emerging Patterns
input: D // distorted training set (can contain binary, nominal and continuous attributes)
input: S // undistorted test set
input: minimumS