userkang的博客

我去商场买鞋子，店员问我想买什么样的鞋子？具体有哪些要求？这其实是数据收集的过程。我说：“我想买一双穿着舒服，价格在200元左右，可以水洗的鞋子”。说完店员就从店里挑选了几双鞋给我，这其实是召回的过程。然后店员按照我刚才的描述加上这几双的鞋的销量给排了个序。这个挑选和排序其实就是推荐的过程。

联邦学习的本质本质上是一种分布式机器学习的技术/框架。解决什么问题？解决数据孤岛的问题为什么会存在数据孤岛的问题？机器学习需要大量的数据来训练模型，但是为了满足数据安全、保护用户隐私以及政法合规等要求。数据的流动越来越受到限制，因此就产生了数据孤岛。联邦学习为什么能解决数据孤岛的问题？相比于传统机器学习，需要对先对各种样本数据进行中心化处理，然后用于模型训练。但在联邦学习的机制下，各参与者的身份和地位相同，让参与着在不共享数据的基础上就能进行联合建模。具体怎么解决的（学习过程介绍）？1

传统的回归测试1、依赖收集，构建依赖拓扑。2、如果依赖文件发生改变，所有受到关联的模块，都需要进行回归测试。如图：蓝色菱形文件发生改变，最终导致 1、2、3、4 都需要进行回归测试。缺点：受到依赖影响的地方，都得进行回归测试。而其中有些回归测试 Duck 不必。新的方式：预测测试选择思路：哪些代码更改后，通常会导致哪些测试用例不通过？我们有大量这样的历史数据。那么通过机器学习建模，能不能训练出一个预测模型，用来预测一段代码更改后，最高概率出问题的测试用例有哪些？然后按这个概率我们去进

平时大家常说：这句话信息量好大，那么从科学的角度，怎么解释这句话呢？首先，信息的载体是消息，那么对于不同的消息，带给我们的直观感受也是不一样的。比如，“国足获得世界杯冠军”的信息显然要比“国乒获得世界杯冠军”的信息量要大得多。究其原因，国足勇夺世界杯是如假包换的小概率事件（如果不是不可能事件的话），发生的可能性微乎其微；而男乒夺冠已经让国人习以为常，丢掉冠军的可能性才是意外。因此，以不确定性来度量信息是一种合理的方式。不确定性越大的消息可能性越小，其提供的信息量就越大。信息论的鼻祖香农对信息的量

大部分程序员由于理工科的背景，有一些高数、线性代数、概率论与数理统计的数学基础。所以当机器学习的热潮来临的时候，都跃跃欲试，对机器学习的算法以及背后的数学思想有比较强烈的探索欲望。本文的作者就是其中的一位。然而实践的过程中，又发现数学知识的理解深度有些欠缺，在理解一些公式背后的意义时，有些力不从心的感觉。因此梳理了一些数学上的知识盲点，理顺自己的知识脉络，顺便分享给有需要的人。本文主要讲解余弦相似度的相关知识点。相似度计算用途相当广泛，是搜索引擎、推荐引擎、分类聚类等业务场景的核心点。为了理解清楚余弦相

在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？我并不直接回答...