niujinya的博客

数值分析exp---欧拉、中值、龙格库塔（Runge-Kutta methods）--- python编写，

本篇文章，是必读的隐私计算内容。我的感受是：读着读着你忽然心灵一颤，卧槽，奇才！话不多说，直奔主题：一.解决的问题以及有点：1.小数问题：之前解决的方法基本是缩放，这样将带来误差。2.三方隐私计算：三个参与方，至少一个腐败方。3.电路转换：算数电路，布尔电路，混淆电路计算各有利弊，转换会带来计算优化。4.效率：所有计算都是建立在效率的基础上，总之ABY3将大大提高效率。二.秘密分享：1.算数电路：（1）x = x1+x2+x3，y = y1+y2+y3x和y都分享成功

xgboost 算法原理

一.什么是决策树一种最基本的分类与回归方法，因为实际应用中基本上全是用来分类，所以重点讨论分类决策树。其本质就是一颗树，根据损失函数最小化原则选择根节点,节点决定分类的走向哪个叶节点，叶节点代表最后的类型。二.构造决策树1.选择根节点（1）熵：代表事物的混乱程度，在分类中不需要过度理解，只要知道熵越小混乱程度越小，分类的效果也就越好。Pi代表分类后一类出现的概率。Gini也是来衡量分类效果的，都是越小越好。2.构建过程中要随着树的深度增加使熵值下降最快越好。举例：..