FLCore

This library provides a flexible and extensible framework for running experiments in a federated learning environment, enabling the training and evaluation of different machine learning models across distributed datasets.

The following methods are currently implemented along with the flwr aggregation method used and the code used for selecting a specific method.

Model	Aggregation method (Flwr)	Code
Logistic Regression	Federated Average	logistic_regression
SGD Classifier	Federated Average	lsvc
Elastic Net	Federated Average	elastic_net
Random Forest	Custom	weighted_random_forest
Deep Learning	Federated Average	neural_network

Parameters are provided using a command line interface and are organized by category and include their name, type, default value, and a brief explanation. These arguments can be modified at runtime to customize data handling, model configuration, training setup, and infrastructure details. The next table summarizes the variables needed for the client.

Parameter	Type	Default value	Description
--dataset	str	None	Nombre del dataloader a usar.
--data_id	str	None	Identificador del archivo del dataset.
--normalization_method	str	IQR	Método de normalización. Opciones: IQR, STD, MIN_MAX.
--train_labels	list[str]	None	Etiquetas usadas para entrenamiento.
--target_label	list[str]	None	Etiqueta(s) objetivo para predicción.
--train_size	float	0.8	Fracción del dataset usada para entrenamiento. Debe estar en [0,1).
--num_clients	int	1	Número de clientes en el escenario federado.
--model	str	random_forest	Modelo base a entrenar.
--num_rounds	int	50	Número de rondas de entrenamiento federado.
--checkpoint_selection_metric	str	precision	Métrica usada para selección de checkpoints.
--dropout_method	str	None	Método de dropout aplicado en el entrenamiento.
--smooth_method	str	None	Método de suavizado de pesos.
--random_forest	json	{"balanced_rf": "true"}	Parámetros para Random Forest. La bandera balanced_rf indica balanceo de pesos de clase.
--weighted_random_forest	json	{"balanced_rf": "true", "levelOfDetail": "DecisionTree"}	Parámetros para Weighted Random Forest. Incluye balanced_rf y levelOfDetail para granularidad de árboles.
--neural_network	json	{"dropout_p": 0.2, "device": "cpu", "local_epochs": 10}	Configuración para redes neuronales: probabilidad de dropout, dispositivo (cpu o cuda), y épocas locales.
--T	int	20	Número de muestras Monte Carlo para dropout bayesiano.
--linear_models	json	{"n_features": 9}	Número de características de entrada esperadas por el modelo lineal.
--sandbox_path	str	/sandbox	Directorio sandbox para ejecución aislada o almacenamiento temporal.
--certs_path	str	/certs	Directorio con certificados para comunicación federada segura.
--data_path	str	/data	Ruta principal del dataset.

The following table summarizes the variables required for the server command line.

Parameter	Type	Default value	Description
--num_clients	int	1	Número de clientes en el entrenamiento federado.
--num_rounds	int	50	Número de rondas de entrenamiento federado.
--model	str	random_forest	Modelo a entrenar (random_forest, weighted_random_forest, neural_network, etc.).
--random_forest	json	{"balanced_rf": "true"}	Parámetros de Random Forest, incluyendo balanceo de clases.
--experiment	json	{"name": "experiment_1", "log_path": "logs", "debug": "true"}	Configuración del experimento: nombre, directorio de logs, modo debug.
--local_port	int	8081	Puerto local para comunicación/servidor.
--production_mode	str	True!	Activa el modo producción (modifica logging y ejecución).
--checkpoint_selection_metric	str	precision	Métrica usada para selección de checkpoints.
--weighted_random_forest	json	{"balanced_rf": "true", "levelOfDetail": "DecisionTree"}	Configuración del Weighted Random Forest.
--dropout	json	{"percentage_drop": 0}	Parámetros de dropout (fracción de pesos/nodos eliminados).
--smoothWeights	json	{"smoothing_strenght": 0.5}	Parámetros del método de suavizado.
--certs_path	str	./	Ruta a certificados para comunicación segura.
--sandbox_path	str	./	Directorio sandbox para pruebas/archivos temporales.
--dataset	str	dt4h_format	Nombre del dataset o dataloader.