快眼看书网

手机浏览器扫描二维码访问

第92章 基于联邦学习模型的判断系统（第1页）

戴宇回忆起来，一个月前的叶方明也挺神经兮兮的。

就是这段时间，莫名稳重了许多，让他们下意识的忽略了过去离谱且爱发疯的叶方明。

只记得现在这个优秀又稳重的全能学霸叶方明。

时间过得好快呐……

看着窗外的景色，戴宇这才发现，已经马上要步入真正的秋季了。

余下夏花两三瓣，云隙间窥得一丝蔚蓝。

马上就要中秋了，他忽然想到。

应该给爸爸买一个礼物的，这段时间离不开他对自己的照顾，然后坐在桌子上吃一顿大餐团团圆圆。

一想到这，戴宇的嘴角就忍不住勾起一丝笑意。

即将放假的前一周，几乎所有学生和老师的内心都充满了隐隐的期待，期待着美好假期的到来。

有关于启布置的每周作业，叶方明也稍微有了一点头绪。

正如宁溪给他的灵感，他打算直接使用联邦学习。

联邦学习的方法有三种，分别是横向联邦学习，纵向联邦学习和联邦迁移学习。

这三种方法运用场景不同，功能也不尽相同。

在使用联邦学习前，必须要理解的一个概念是特征空间、标签空间、样本ID空间三者共同组成了训练数据集。

训练数据集通俗来讲，就是来训练机器学习模型的数据集合。

集合中包含了标签、特征、输入数据等各种信息，可以帮助准确预测新数据的标签或输出。

横向联邦学习是基于样本的学习，也就是说，在多个数据集拥有相同的特征空间，但拥有不同的样本id空间。