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。