个性化联邦学习(Personalized Federated Learning,PFL) 介绍（下）

PFL 介绍（上）：入口

FL基本介绍：入口

PFL基准

尽管已经发布了针对FL的基准数据集，但它们在PFL研究中并没有被广泛采用。绝大多数PFL研究选择通过在机器学习中使用的公共基准数据集(例如MNIST， EMNIST，CIFAR-100)上执行自己的分区来模拟非iid设置，或者创建一个合成数据集。

1. 数量倾斜：FL客户端持有不同大小的本地数据集，其中一些客户端拥有的数据量比其他客户端大得多。由于跨FL客户端的使用模式不同，数据大小的异构性在实际环境中非常普遍。为了模拟数据大小的异质性，直接使用来自不平衡数据集的数据，而无需进一步采样。也可以根据幂律将数据分发到FL客户端。

2. 特征分布偏态：特征分布 $P_c(x)$