首先我們從github上轉殖fate倉庫。
最近新學會的乙個方法，大大提公升轉殖的速度，親測有效。
安裝過程請參考倉庫中的readme文件，本人是在linux16.04上按照native中的單機部署，通過docker-compose進行部署的，推薦大家也按照這種方式。os推薦linux16.04,或者centos7，具體步驟其他部落格裡面有，可移步參考，特別要注意的是各個軟體的版本最好按照教程裡面的進行安裝，我之前沒注意版本問題，導致一直有各種各樣的小問題。
安裝完成重新開機之後，遇到乙個問題，模型可以訓練，但是fate board連線不上，看不到訓練情況，找了很久原因原來是映象沒有關機後重啟，手動重啟之後即可，怪自己沒用過docker、、、
docker ps -a #檢視所有的docker映象
docker restart ***x #重啟對應的映象
以上為fate現在以及實現的功能元件。
第一行指的是支援的資料輸入的格式，有稠密格式和稀疏格式，稀疏格式又可分為數值和標籤。對資料格式不清楚的可以看這裡
第二行指的是縱向聯邦統計，包括交集（樣本對齊）、並集和皮爾遜相關係數。
特徵工程包括取樣、分箱、選擇、規範化、one-hot編碼。
接下裡兩行是目前實現的模型元件，包括回歸、神經網路、遷移學習、樹模型等。
下面一行表示評價指標，其中local comparison表示聯邦學習和本地學習之間的比較。
最後是多方安全計算（mpc），列出了fate用的幾種加密手段。
本篇心得就從巨集觀上簡單介紹了fate的框架，下篇打算介紹乙個轉殖下來的fate倉庫。
聯邦學習學習心得（1） 聯邦學習簡介
國際社會上對資訊保安 個人隱私的問題越來越重視，各種相關的法案相繼頒布，對私人資料的管理 監督 保護更加全面化 嚴格化 密集化。各個公司對各自的資料也越來越重視，作為資產不可能拿出來分享，這就造成了資料孤島的現象。同時與傳統的機器學習 machine learning 和深度學習 deep lear...
聯邦學習 聯邦學習
文章內容主要來自文末網盤內部分資料 最近微眾舉辦了乙個面向高校大學生的ai比賽，題目如下 基於微眾提出的聯邦學習模型，設計一款有應用場景的產品。資料來源之間存在著難以打破的壁壘，一般情況下人工智慧的所需要的資料會涉及多 個領域，例如在基於人工智慧的產品推薦服務中，產品銷售方擁有產品的資料 使用者購買...
聯邦學習簡介
對聯邦學習做個簡單的記錄 聯邦學習定義 定義n個資料所有者，他們所有人都希望通過合併各自的資料來訓練機器學習模型。一種常規方法是將所有資料放在一起，並使用d d1 u d2 u dn來訓練模型msum。聯邦學習是一種學習過程，其中資料所有者共同訓練乙個模型mfed，在該過程中，任何資料所有者fi都不...