CT:混沌理論,喜歡用k值臨近算法
AHP:應用命中率
表示在查找NE上設備請求的應用程序時命中的百分比。
下面開始聯邦學習的講解
聯邦學習的定義:是一種機器學習設定,其中許多客戶機(例如,移動設備或整個組織)在中央服務器(例如,服務器提供商)的協調下共同訓練模型,同時保持訓練數據的去中心化。
聯邦學習的長期目標:在不暴露數據的情況下分析和學習多個數據擁有者的數據。(解決數據孤島)
2018年穀歌學習的社區提出的。
聯邦學習的定義
很多客戶端,在中央服務器的協調下,共同訓練一個模型,而且需要一些數據,在客戶端中保持去中心化的離散性質。
咱們平時訓練模型的時候,都是在單機上訓練的,但是我們現在做的是,結合不同客戶端的一個數據,但是7有保證數據之間,相互不連通,保證多個客戶端數據集的模型訓練。
聯邦學習的深入
孤島現象:用戶每時每刻都會產生數據,數據只是單獨的保存在本地,因爲包含隱私性。剛打開軟件有個協議,這協議中都會包含隱私性保護的協議。所以,聯邦學習在數據不共享的情況下,共同訓練一個模型。
總而言之,就是在保護隱私的情況下,去完成一個共同學習的機器學習任務
爲什麼要引入聯邦學習
結合不同的城堡,集中一起算一個大的。
1、不均衡的數據,非獨立同分布
2、不可靠的設備
3、設備與設備間的通信,設備與服務器的通信的帶寬有限。
應用
1、谷歌輸入法中的關鍵字問題。(跨數據)
2、多家醫院有病人的數據,病人的數據需要保護和隱私。我們需要共同完成眼角膜病變的識別,怎麼提高模型的效果。大醫院的數據多,小銀元的數據少。(誇孤島)
服務器要做的工作是模型聚合問題。