大数据如何知道你爱看什么揭秘个性化推荐系统背后的算法机制与用户隐私保护问题思考

1. 个性化推荐系统概述

个性化推荐系统是大数据时代的重要应用，它通过分析用户的历史行为、偏好和特征，为用户提供个性化的内容、产品或服务推荐。从电商平台的商品推荐，到视频网站的内容推荐，再到音乐应用的歌单推荐，个性化推荐系统已经深入我们生活的方方面面。

这些系统背后的核心是大数据分析和机器学习算法，它们能够从海量数据中挖掘用户的兴趣偏好，预测用户可能喜欢的内容，从而提高用户体验和平台黏性。例如，当你打开Netflix时，首页展示的影片推荐；当你浏览淘宝时，”猜你喜欢”栏目中的商品；当你使用Spotify时，每周为你定制的”Discover Weekly”歌单——这些都是个性化推荐系统的应用实例。

2. 推荐系统的主要算法类型

2.1 协同过滤（Collaborative Filtering）

协同过滤是最经典的推荐算法之一，它基于”物以类聚，人以群分”的思想，通过分析用户之间的相似性或物品之间的相似性来进行推荐。

基于用户的协同过滤（User-Based CF）

基于用户的协同过滤通过找到与目标用户相似的用户群体，然后将这些相似用户喜欢但目标用户尚未接触的物品推荐给目标用户。

例如，如果用户A和用户B都喜欢电影《星际穿越》和《盗梦空间》，而用户B还喜欢《敦刻尔克》，那么系统可以推断用户A也可能喜欢《敦刻尔克》，从而将其推荐给用户A。

以下是基于用户的协同过滤的简单实现代码：

import numpy as np from sklearn.metrics.pairwise import cosine_similarity # 用户-物品评分矩阵 # 行表示用户，列表示物品，矩阵中的值表示用户对物品的评分（0表示未评分） ratings = np.array([ [5, 4, 0, 0, 3], [4, 5, 1, 0, 0], [0, 0, 5, 4, 0], [0, 0, 4, 5, 3], [3, 0, 0, 0, 5] ]) # 计算用户之间的相似度 user_similarity = cosine_similarity(ratings) def user_based_cf(user_id, item_id, k=2): # 找到与目标用户最相似的k个用户 similar_users = np.argsort(user_similarity[user_id])[::-1][1:k+1] # 计算加权平均评分 numerator = 0 denominator = 0 for similar_user in similar_users: if ratings[similar_user][item_id] != 0: # 确保相似用户对该物品有评分 similarity = user_similarity[user_id][similar_user] numerator += similarity * ratings[similar_user][item_id] denominator += abs(similarity) if denominator == 0: return 0 # 无法预测 return numerator / denominator # 预测用户0对物品2的评分 predicted_rating = user_based_cf(0, 2) print(f"预测用户0对物品2的评分为: {predicted_rating:.2f}")

基于物品的协同过滤（Item-Based CF）

基于物品的协同过滤则通过计算物品之间的相似度来进行推荐。如果用户喜欢某个物品，系统会找出与该物品相似的其他物品推荐给用户。

例如，如果用户购买了一本《深度学习》的书，系统可能会推荐《机器学习》或《Python数据分析》等相关书籍，因为这些书籍在内容上与《深度学习》相似。

以下是基于物品的协同过滤的简单实现代码：

import numpy as np from sklearn.metrics.pairwise import cosine_similarity # 用户-物品评分矩阵 ratings = np.array([ [5, 4, 0, 0, 3], [4, 5, 1, 0, 0], [0, 0, 5, 4, 0], [0, 0, 4, 5, 3], [3, 0, 0, 0, 5] ]) # 计算物品之间的相似度（转置矩阵使行表示物品） item_similarity = cosine_similarity(ratings.T) def item_based_cf(user_id, item_id, k=2): # 找到用户评分过的物品 rated_items = [i for i, rating in enumerate(ratings[user_id]) if rating != 0] # 计算加权平均评分 numerator = 0 denominator = 0 for rated_item in rated_items: similarity = item_similarity[item_id][rated_item] numerator += similarity * ratings[user_id][rated_item] denominator += abs(similarity) if denominator == 0: return 0 # 无法预测 return numerator / denominator # 预测用户0对物品2的评分 predicted_rating = item_based_cf(0, 2) print(f"预测用户0对物品2的评分为: {predicted_rating:.2f}")

2.2 内容-based推荐（Content-Based Recommendation）

内容-based推荐算法通过分析物品的内容特征和用户的偏好特征，将具有相似特征的物品推荐给用户。

例如，在新闻推荐系统中，系统会分析新闻文章的关键词、主题、类别等特征，以及用户过去阅读的新闻的特征，然后推荐与用户阅读历史特征相似的新闻。

以下是内容-based推荐的简单实现代码：

import numpy as np from sklearn.feature_extraction.text import TfidfVectorizer from sklearn.metrics.pairwise import cosine_similarity # 物品内容描述 items = [ "这是一部关于太空探索的科幻电影", "这是一部关于梦境的科幻电影", "这是一部关于战争的历史电影", "这是一部关于爱情的爱情电影", "这是一部关于冒险的动作电影" ] # 用户历史喜欢的物品 user_liked_items = [0, 1] # 用户喜欢第0和第1个物品 # 使用TF-IDF提取物品特征 vectorizer = TfidfVectorizer() item_features = vectorizer.fit_transform(items) # 计算用户偏好特征（用户喜欢的物品特征的平均值） user_profile = np.mean([item_features[i] for i in user_liked_items], axis=0) # 计算用户偏好与所有物品的相似度 similarities = cosine_similarity(user_profile, item_features) # 获取推荐物品（排除用户已经喜欢的物品） recommended_items = [] for i, similarity in enumerate(similarities[0]): if i not in user_liked_items: recommended_items.append((i, similarity)) # 按相似度排序 recommended_items.sort(key=lambda x: x[1], reverse=True) # 输出推荐结果 print("推荐物品及其相似度：") for item_id, similarity in recommended_items: print(f"物品{item_id}: {similarity:.4f} - {items[item_id]}")

2.3 知识-based推荐（Knowledge-Based Recommendation）

知识-based推荐算法利用领域知识和规则来进行推荐，它不依赖于用户的历史行为数据，而是根据用户明确的需求和物品的属性特征进行匹配。

例如，在旅游推荐系统中，用户可以明确表达自己的需求，如”我想去一个有海滩、预算在5000元以内、行程为7天的目的地”，系统会根据这些需求匹配符合条件的旅游产品。

2.4 混合推荐（Hybrid Recommendation）

混合推荐算法结合了多种推荐算法的优点，通过加权、串联、并行等方式融合不同算法的推荐结果，以提高推荐的准确性和多样性。

例如，Netflix的推荐系统就结合了协同过滤和内容-based推荐，既考虑用户的历史观看记录，也考虑电影的内容特征，如类型、导演、演员等。

2.5 深度学习推荐算法

随着深度学习技术的发展，越来越多的推荐系统开始采用深度学习算法，如深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）等。

这些算法能够从海量数据中学习更复杂的用户-物品关系，捕捉更深层次的特征，从而提高推荐的准确性和个性化程度。

例如，YouTube的推荐系统使用了深度神经网络来分析用户的观看历史、搜索记录、视频特征等多维度信息，从而为用户推荐可能感兴趣的视频。

以下是使用深度学习进行推荐的简单实现代码：

import numpy as np import tensorflow as tf from tensorflow.keras.models import Model from tensorflow.keras.layers import Input, Embedding, Flatten, Dot, Dense, Concatenate # 假设我们有10个用户和20个物品 num_users = 10 num_items = 20 embedding_size = 8 # 用户ID和物品ID user_ids = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) item_ids = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]) # 用户特征（年龄、性别等） user_features = np.random.rand(num_users, 5) # 物品特征（类别、价格等） item_features = np.random.rand(num_items, 6) # 用户-物品交互数据（评分） ratings = np.random.randint(1, 6, size=(num_users, num_items)) # 构建深度学习推荐模型 # 用户输入 user_id_input = Input(shape=(1,)) user_feature_input = Input(shape=(5,)) # 物品输入 item_id_input = Input(shape=(1,)) item_feature_input = Input(shape=(6,)) # 嵌入层 user_embedding = Embedding(num_users, embedding_size)(user_id_input) item_embedding = Embedding(num_items, embedding_size)(item_id_input) # 展平嵌入向量 user_vec = Flatten()(user_embedding) item_vec = Flatten()(item_embedding) # 连接所有特征 concat = Concatenate()([user_vec, user_feature_input, item_vec, item_feature_input]) # 全连接层 dense1 = Dense(64, activation='relu')(concat) dense2 = Dense(32, activation='relu')(dense1) output = Dense(1, activation='sigmoid')(dense2) # 构建模型 model = Model(inputs=[user_id_input, user_feature_input, item_id_input, item_feature_input], outputs=output) model.compile(optimizer='adam', loss='mse') # 准备训练数据 train_user_ids = [] train_item_ids = [] train_user_features = [] train_item_features = [] train_ratings = [] for user_id in range(num_users): for item_id in range(num_items): train_user_ids.append(user_id) train_item_ids.append(item_id) train_user_features.append(user_features[user_id]) train_item_features.append(item_features[item_id]) train_ratings.append(ratings[user_id][item_id] / 5.0) # 归一化评分 # 转换为numpy数组 train_user_ids = np.array(train_user_ids) train_item_ids = np.array(train_item_ids) train_user_features = np.array(train_user_features) train_item_features = np.array(train_item_features) train_ratings = np.array(train_ratings) # 训练模型 model.fit( [train_user_ids, train_user_features, train_item_ids, train_item_features], train_ratings, epochs=10, batch_size=10, validation_split=0.2 ) # 使用模型进行预测 user_id_to_predict = 0 item_id_to_predict = 10 predicted_rating = model.predict([ np.array([user_id_to_predict]), np.array([user_features[user_id_to_predict]]), np.array([item_id_to_predict]), np.array([item_features[item_id_to_predict]]) ]) print(f"预测用户{user_id_to_predict}对物品{item_id_to_predict}的评分为: {predicted_rating[0][0] * 5:.2f}")

3. 数据收集与用户画像构建

推荐系统的核心是数据，只有收集到足够的用户数据，才能构建准确的用户画像，进行精准的个性化推荐。

3.1 数据收集方式

推荐系统收集用户数据的方式主要包括：

显式数据收集

显式数据收集是指用户主动提供的数据，如：

评分：用户对物品的评分（如1-5星）
喜欢/不喜欢：用户对物品的明确态度
收藏/购买：用户对物品的行为反馈
标签：用户为物品添加的标签
评论：用户对物品的文字评价

隐式数据收集

隐式数据收集是指系统通过用户行为间接获取的数据，如：

浏览历史：用户浏览过的物品
点击行为：用户点击的链接或按钮
停留时间：用户在某个页面或物品上停留的时间
搜索记录：用户的搜索关键词
购买历史：用户的购买记录
社交行为：用户的分享、点赞、评论等社交行为

3.2 用户画像构建

用户画像是推荐系统对用户特征和偏好的抽象表示，它是进行个性化推荐的基础。用户画像的构建过程包括：

数据预处理

收集到的原始数据往往存在噪声、缺失值、异常值等问题，需要进行清洗、去重、填充缺失值、标准化等预处理操作。

特征提取

从预处理后的数据中提取有意义的特征，如：

人口统计学特征：年龄、性别、职业、教育程度等
行为特征：浏览频率、购买频率、活跃时间等
偏好特征：喜欢的类别、品牌、风格等
心理特征：风险偏好、价格敏感度等

用户分群

通过聚类、分类等算法将用户分成不同的群体，每个群体具有相似的特征和偏好。常见的用户分群方法包括：

K-means聚类
层次聚类
密度聚类
基于模型的聚类

以下是使用K-means进行用户分群的简单实现代码：

import numpy as np import pandas as pd from sklearn.cluster import KMeans from sklearn.preprocessing import StandardScaler import matplotlib.pyplot as plt # 假设我们有以下用户特征数据 # 特征包括：年龄、平均月消费、访问频率、平均停留时间 data = { 'age': [25, 34, 45, 23, 38, 50, 29, 42, 31, 27], 'avg_monthly_consumption': [500, 1200, 800, 300, 1500, 600, 900, 1100, 700, 400], 'visit_frequency': [15, 8, 5, 20, 3, 7, 12, 6, 10, 18], 'avg_stay_time': [5, 8, 6, 3, 10, 7, 6, 9, 5, 4] } df = pd.DataFrame(data) # 数据标准化 scaler = StandardScaler() scaled_data = scaler.fit_transform(df) # 使用K-means进行聚类 kmeans = KMeans(n_clusters=3, random_state=42) clusters = kmeans.fit_predict(scaled_data) # 将聚类结果添加到原始数据 df['cluster'] = clusters # 输出聚类结果 print("用户聚类结果：") print(df) # 可视化聚类结果（只选择两个特征进行可视化） plt.figure(figsize=(10, 6)) plt.scatter(df['age'], df['avg_monthly_consumption'], c=df['cluster'], cmap='viridis') plt.xlabel('年龄') plt.ylabel('平均月消费') plt.title('用户聚类结果') plt.colorbar(label='聚类标签') plt.show() # 分析每个聚类的特征 print("n各聚类中心的特征：") cluster_centers = scaler.inverse_transform(kmeans.cluster_centers_) cluster_df = pd.DataFrame(cluster_centers, columns=df.columns[:-1]) print(cluster_df)

用户画像表示

用户画像可以用多种方式表示，如：

向量表示：将用户特征表示为一个向量，每个维度代表一个特征
标签云：用标签及其权重表示用户特征
图结构：用节点和边表示用户及其关系

4. 推荐系统的运作流程

推荐系统的运作流程通常包括以下几个步骤：

4.1 数据收集与存储

推荐系统首先需要收集用户行为数据和物品特征数据，并将这些数据存储在数据库中。常见的数据存储方式包括：

关系型数据库：如MySQL、PostgreSQL
NoSQL数据库：如MongoDB、Cassandra
分布式文件系统：如HDFS
内存数据库：如Redis

4.2 数据预处理与特征工程

收集到的原始数据需要进行预处理和特征工程，以提取有意义的特征。这包括：

数据清洗：去除噪声、处理缺失值、处理异常值
数据转换：将数据转换为适合算法处理的格式
特征提取：从原始数据中提取有意义的特征
特征选择：选择对推荐结果影响最大的特征
特征降维：减少特征维度，提高算法效率

4.3 算法模型训练

选择合适的推荐算法，并使用训练数据对模型进行训练。常见的训练方法包括：

批量训练：使用全部数据进行一次性训练
在线训练：使用新数据不断更新模型
增量训练：在新数据到来时，只更新模型的部分参数

4.4 推荐结果生成

使用训练好的模型，为用户生成个性化推荐结果。这包括：

候选物品生成：从海量物品中筛选出可能感兴趣的候选物品
候选物品排序：根据用户偏好对候选物品进行排序
推荐结果过滤：过滤掉用户已经接触过或不适合推荐的物品
推荐结果多样化：增加推荐结果的多样性，避免过度推荐相似内容

4.5 推荐结果展示与反馈

将推荐结果展示给用户，并收集用户对推荐结果的反馈。这包括：

推荐界面设计：设计合适的推荐界面，提高用户点击率
推荐解释：为推荐结果提供解释，增加用户信任
反馈收集：收集用户对推荐结果的点击、购买、评分等反馈
模型更新：根据用户反馈更新推荐模型，提高推荐准确性

5. 用户隐私保护问题

随着个性化推荐系统的广泛应用，用户隐私保护问题也日益突出。以下是几个主要的隐私保护问题：

5.1 数据收集的透明度问题

许多推荐系统在收集用户数据时缺乏透明度，用户往往不知道自己的哪些数据被收集，以及这些数据将如何被使用。这种不透明的数据收集方式可能导致用户的隐私被侵犯。

例如，一些移动应用在用户不知情的情况下收集用户的地理位置、联系人列表、设备信息等敏感数据，并将这些数据用于个性化推荐或广告投放。

5.2 数据使用的授权问题

用户在享受个性化推荐服务的同时，往往需要授权平台使用自己的个人数据。然而，这些授权条款通常冗长复杂，用户很少仔细阅读，导致用户在不知情的情况下授权平台使用自己的个人数据。

例如，许多应用的用户协议中包含”允许第三方合作伙伴访问您的数据”等条款，用户在点击”同意”时可能并未意识到自己的数据将被分享给第三方。

5.3 数据安全问题

推荐系统收集的大量用户数据可能面临数据泄露的风险。一旦这些数据被黑客获取，可能导致用户的个人信息、行为习惯等隐私信息被泄露。

例如，2018年，Facebook因剑桥分析事件导致8700万用户数据被不当获取和使用，引发了全球对数据隐私的关注。

5.4 算法歧视问题

推荐系统可能因为训练数据中的偏见而产生算法歧视，如对特定性别、种族、年龄群体的不公平推荐。这种歧视可能侵犯用户的平等权利。

例如，一些招聘网站的推荐系统可能因为历史数据中的性别偏见，而更倾向于向男性用户推荐高薪职位，向女性用户推荐低薪职位。

5.5 过度个性化问题

过度个性化可能导致”信息茧房”效应，即用户只接触到符合自己兴趣和观点的内容，而缺乏多元化的信息。这可能限制用户的视野，甚至加剧社会分化。

例如，新闻推荐系统如果只推荐用户感兴趣的特定观点的新闻，可能导致用户长期处于”信息茧房”中，缺乏对不同观点的了解和思考。

5.6 用户画像的准确性问题

推荐系统构建的用户画像可能存在不准确的问题，导致用户被贴上不正确的标签，从而影响推荐结果和用户体验。

例如，一个用户可能只是偶尔浏览了某些内容，但系统却据此认为用户对这些内容有强烈兴趣，从而大量推荐相关内容，影响用户体验。

6. 隐私保护的技术措施

为了解决上述隐私保护问题，研究人员和工程师提出了多种技术措施：

6.1 数据匿名化

数据匿名化是通过去除或模糊化个人标识信息，使数据无法直接关联到特定个人的技术。常见的数据匿名化方法包括：

k-匿名：确保数据集中每条记录至少与k-1条其他记录在准标识符上不可区分
l-多样性：确保每个等价类中至少有l个不同的敏感属性值
t-接近：确保每个等价类中敏感属性值的分布与整个数据集中的分布接近

以下是k-匿名的简单实现代码：

import pandas as pd import numpy as np # 原始数据 data = { 'age': [25, 34, 45, 23, 38, 50, 29, 42, 31, 27], 'gender': ['M', 'F', 'M', 'F', 'M', 'F', 'M', 'F', 'M', 'F'], 'zip_code': ['10001', '10002', '10003', '10004', '10005', '10006', '10007', '10008', '10009', '10010'], 'disease': ['Flu', 'Cold', 'Flu', 'Allergy', 'Cold', 'Flu', 'Allergy', 'Cold', 'Flu', 'Allergy'] } df = pd.DataFrame(data) # 定义准标识符和敏感属性 quasi_identifiers = ['age', 'gender', 'zip_code'] sensitive_attribute = 'disease' # 实现k-匿名 def k_anonymize(df, quasi_identifiers, k=2): # 对准标识符进行泛化 # 1. 将年龄分组 df['age'] = pd.cut(df['age'], bins=[0, 30, 40, 100], labels=['<30', '30-40', '>40']) # 2. 邮政编码只保留前3位 df['zip_code'] = df['zip_code'].str[:3] # 检查是否满足k-匿名 grouped = df.groupby(quasi_identifiers).size() # 找出不满足k-匿名的组 not_k_anonymous = grouped[grouped < k] # 如果有不满足k-匿名的组，进一步泛化 if len(not_k_anonymous) > 0: # 进一步泛化年龄 df['age'] = 'any' # 再次检查 grouped = df.groupby(quasi_identifiers).size() not_k_anonymous = grouped[grouped < k] # 如果还有不满足k-匿名的组，进一步泛化邮政编码 if len(not_k_anonymous) > 0: df['zip_code'] = 'any*' return df # 应用k-匿名 k_anonymized_df = k_anonymize(df, quasi_identifiers, k=2) print("原始数据：") print(df) print("nK-匿名后的数据：") print(k_anonymized_df)

6.2 差分隐私

差分隐私是一种强隐私保护模型，它通过在数据中添加适当的噪声，确保查询结果不会因为是否包含某个个体的数据而有显著差异。差分隐私可以通过以下方式实现：

拉普拉斯机制：在查询结果中添加拉普拉斯噪声
指数机制：在离散输出空间中根据效用函数随机选择输出
局部差分隐私：在数据收集端添加噪声，保护个体数据

以下是拉普拉斯机制的简单实现代码：

import numpy as np import pandas as pd import matplotlib.pyplot as plt # 原始数据 data = { 'user_id': range(1, 101), 'age': np.random.randint(18, 70, 100), 'income': np.random.randint(20000, 100000, 100) } df = pd.DataFrame(data) # 定义差分隐私查询函数 def laplace_mechanism(value, sensitivity, epsilon): """ 拉普拉斯机制 :param value: 真实查询结果 :param sensitivity: 查询的敏感度 :param epsilon: 隐私预算 :return: 添加噪声后的查询结果 """ scale = sensitivity / epsilon noise = np.random.laplace(0, scale) return value + noise # 计算平均收入（真实值） true_avg_income = df['income'].mean() print(f"真实平均收入: {true_avg_income:.2f}") # 使用差分隐私计算平均收入 sensitivity = (100000 - 20000) / 100 # 敏感度 = (max - min) / n epsilon = 0.5 # 隐私预算 # 多次运行差分隐私查询，观察结果分布 dp_results = [] for _ in range(1000): dp_avg_income = laplace_mechanism(true_avg_income, sensitivity, epsilon) dp_results.append(dp_avg_income) # 计算差分隐私结果的平均值 dp_avg = np.mean(dp_results) print(f"差分隐私平均收入（1000次运行的平均值）: {dp_avg:.2f}") # 可视化结果分布 plt.figure(figsize=(10, 6)) plt.hist(dp_results, bins=50, alpha=0.7, label='差分隐私结果') plt.axvline(true_avg_income, color='red', linestyle='dashed', linewidth=2, label='真实值') plt.axvline(dp_avg, color='green', linestyle='dashed', linewidth=2, label='差分隐私平均值') plt.xlabel('平均收入') plt.ylabel('频次') plt.title(f'差分隐私结果分布 (ε={epsilon})') plt.legend() plt.show()

6.3 联邦学习

联邦学习是一种分布式机器学习方法，它允许模型在多个设备或服务器上训练，而无需将原始数据集中到中央服务器。联邦学习的基本流程包括：

服务器将初始模型分发到各个设备
各设备使用本地数据训练模型
各设备将模型更新（而非原始数据）发送到服务器
服务器聚合模型更新，生成全局模型
重复以上过程，直到模型收敛

以下是联邦学习的简单实现代码：

import numpy as np import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense from sklearn.datasets import make_classification from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler # 生成模拟数据 X, y = make_classification(n_samples=1000, n_features=20, n_informative=15, n_redundant=5, random_state=42) X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 数据标准化 scaler = StandardScaler() X_train = scaler.fit_transform(X_train) X_test = scaler.transform(X_test) # 模拟多个客户端的数据 num_clients = 5 client_data = [] client_labels = [] # 将训练数据分配给不同客户端 client_size = len(X_train) // num_clients for i in range(num_clients): start = i * client_size end = start + client_size if i < num_clients - 1 else len(X_train) client_data.append(X_train[start:end]) client_labels.append(y_train[start:end]) # 定义模型架构 def create_model(): model = Sequential([ Dense(64, activation='relu', input_shape=(20,)), Dense(32, activation='relu'), Dense(1, activation='sigmoid') ]) model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy']) return model # 联邦学习参数 num_rounds = 10 epochs_per_round = 1 batch_size = 32 # 创建全局模型 global_model = create_model() # 联邦学习过程 for round_num in range(num_rounds): print(f"n联邦学习轮次 {round_num + 1}/{num_rounds}") # 将全局模型权重发送给各客户端 global_weights = global_model.get_weights() # 存储各客户端的模型权重更新 client_weights = [] # 各客户端本地训练 for client_id in range(num_clients): print(f"客户端 {client_id + 1} 本地训练...") # 创建客户端模型并设置全局权重 client_model = create_model() client_model.set_weights(global_weights) # 本地训练 client_model.fit( client_data[client_id], client_labels[client_id], epochs=epochs_per_round, batch_size=batch_size, verbose=0 ) # 获取客户端更新后的权重 client_weights.append(client_model.get_weights()) # 聚合客户端权重（简单平均） new_weights = [] for i in range(len(global_weights)): layer_weights = np.mean([client_weights[j][i] for j in range(num_clients)], axis=0) new_weights.append(layer_weights) # 更新全局模型权重 global_model.set_weights(new_weights) # 评估全局模型 loss, accuracy = global_model.evaluate(X_test, y_test, verbose=0) print(f"全局模型准确率: {accuracy:.4f}") # 最终评估 loss, accuracy = global_model.evaluate(X_test, y_test) print(f"n最终全局模型准确率: {accuracy:.4f}")