横向联邦学习（Horizontal Federated Learning）VS 纵向联邦学习（Vertical Federated Learning）

1.横向联邦学习：适用于参与者的数据特征维度重叠较多的情形：

目的：增加训练数据的数据量

例如甲医院有患者：A，B，C；乙医院有患者C，D，F这六位患者，甲乙医院都有患者的身高，体重，血压，心跳等信息，那么进行联邦学习一个判断患者健康状况的模型时，就可以使用横向联邦学习：

示例：

2.纵向联邦学习：适用于参与者数据ID特征重叠较多的情形：

目的：增加参与者数据的数据维度

例如甲医院有患者：A，B，C；乙医院有患者A，B，C；这三位患者，甲医院有患者的身高，体重数据，乙医院有患者的血压，心跳等信息，那么进行联邦学习一个判断患者健康状况的模型时，就可以使用纵向联邦学习：