提示詞描述

此實驗旨在研究數據分佈異質性對聯邦學習演算法效能的影響。實驗使用固定數量的3個客戶端，每個客戶端代表一個調查點。設計了十七個異質性等級（0-16）來模擬從完全同質到極度異質的數據分佈情境。數據分配策略為每個物種類別分配一個目標客戶端。例如，「照水」分配給客戶端2，「小團」分配給客戶端0，「泥紫」分配給客戶端1。異質性等級0代表完全均勻的分佈，每個物種類別在三個客戶端中各佔約33%。異質性等級1-6表示目標類別在目標客戶端中的比例從43%逐漸增加到90%，剩餘樣本均勻分配給其他兩個客戶端。異質性等級7-15表示目標類別在目標客戶端中的比例從91%逐漸增加到99%，除了主要物種外，每個客戶端中僅保留其他兩個物種的8-10個樣本。異質性等級16代表完全異質性，目標類別在目標客戶端中佔100%，在其他兩個客戶端中佔0%。「噪音」類別在所有異質性等級中保持均勻分佈。下表顯示了每個異質性等級在獨立測試集上的評估結果。