連合学習は複数のクライアントが中央のサーバと連携して，クライアントの持つデータを共有することなくモデルを学習する分散型の機械学習技術である．しかし，クライアントのもつデータが不均一の時，モデルが発散してしまうという問題がある．データの不均一性に対処するために様々な個人化連合学習手法が提案されているが，網羅的な比較および分析は行われていない．そこで，本稿では複数のデータセットを用いて，個人化連合学習手法の比較と分析を行い，各手法の特性を明らかにする．