机器学习中的独立和同分布（IID）：假设和影响

人工智能领域优质创作者

博客专家认证

2023-11-18 10:19:37

机器学习中的独立和同分布（IID）：假设和影响-CSDN博客

...全文

60 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

联邦学习MNIST数据集的分类，包含独立同分布，非独立同分布，以及多种聚合策略（起码3种），分析不同情况下的收敛速度以及分类的准确率！全新资源，与现有网上的资源均不同，核心方法都是自己写的！

具有非独立同分布和不平衡数据集的个性化联邦学习仿真平台___下载.zip

1.IID独立同分布假设：假设训练数据和测试数据是满足相同分布 2.Internal Covariate Shift：假设x是属于特征空间的某一样本点，y是标签

联邦学习综述论文简单总结（免费）。如何允许多个数据所有者协作培训和使用共享的预测模型，同时保持所有本地培训数据的私密性?传统的机器学习方法需要将所有数据集中在一个位置，通常是一个数据中心，这很可能违反了用户隐私和数据保密性方面的法律。目前，世界上许多地方要求科技公司根据用户隐私法仔细对待用户数据。

迁移学习一直是机器学习领域的难点问题，其目标是在数据分布变化的条件下实现强泛化能力。经过长期探索，逐步缩小了迁移学习的泛化理论与学习算法之间的鸿沟，获得了更紧致的泛化界和更优的学习器。

人工智能旅行团

2

社区成员

331

社区内容

发帖

与我相关

我的任务

计算机视觉数据挖掘自然语言处理个人社区北京·房山区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章