特征分箱方法、装置、设备、存储介质及程序产品

本申请提供一种特征分箱方法、装置、设备、存储介质及程序产品，涉及人工智能领域。该方法包括：通过计算参与方本地样本空间中每个样本对应的当前预测值与真实标签值确定对应样本的残差，以根据残差动态调整参与模型训练的数据集，根据调整后的数据集生成特征值频数直方图并进行分割，以使分割生成的多个子直方图用于通过协作方生成分箱边界值，并根据分箱边界值对本地的数据集进行划分，基于划分后的数据集训练生成下一棵决策树，以确保每个新的决策树是基于重新划分后的数据集生成的，从而根据每次新生成的决策树在本地迭代优化横向联邦学习的梯度提升树模型。本申请的方法，提升横向联邦学习中模型的训练精度和泛化能力。