人工智能的时代，数据就是石油；我们在做一些机器学习实验的时候，经常会用到一些比较经典的数据集，例如：lris, Adult, Wine, Heart Disease等等，但是我发现CSDN上有人把免费的数据集上传了，然而下载却还需要付费，因此推荐直接在原网址上进行下载；UCI数据集库推荐大家自行下载，直接进行下载。网址链接：https://archive.ics.uci.edu/ml/index.

论文来源：FedMCCS: Multi Criteria Client Selection Model for Optimal IoT Federated Learning联邦学习机制：由１个参数服务器和多个边缘节点组成，参数服务器负责收集各参加节点上传的梯度，根据优化算法对模型各参数进行更新，维护全局参数；参与节点独立地对本地拥有的敏感数据集进行学习。每轮学习结束后，节点将计算的梯度数据上传至参

来源：Federated Learning for Internet of Things : A Comprehensive Survey传统上，人工智能技术需要集中的数据收集和处理，但由于现代物联网网络的高可扩展性和日益增长的数据隐私问题，这在现实应用场景中可能不可行。联邦学习(FL)已经成为一种分布式协同人工智能方法，通过允许在分布式物联网设备上进行人工智能训练而不需要数据共享，它可以使许多智

SVM本身是一个二值分类器，SVM算法最初是为二值分类问题设计的，当处理多类问题时，就需要构造合适的多类分类器。1、直接法：直接在目标函数上进行修改，将多个分类面的参数求解合并到一个最优化问题中，通过求解该最优化问题“一次性”实现多类分类。这种方法看似简单，但其计算复杂度比较高，实现起来比较困难，只适合用于小型问题中。以Weston在提出的多值分类算法为代表，在经典SVM理论的基础上重新构造多值分

1、首先安装sklearn需要三个依赖库，需要分别进行安装2、查看是否已经安装了numpy、matplotlib、scipy这些库conda list下载安装还需要的依赖库3、用pip命令安装这些库pip install numpypip install matplotlibpip install scipy4、用pip 命令安装sklearn库pip install sklearn5、查看是否安

论文来源：FedMCCS: Multi Criteria Client Selection Model for Optimal IoT Federated Learning联邦学习机制：由１个参数服务器和多个边缘节点组成，参数服务器负责收集各参加节点上传的梯度，根据优化算法对模型各参数进行更新，维护全局参数；参与节点独立地对本地拥有的敏感数据集进行学习。每轮学习结束后，节点将计算的梯度数据上传至参

pytorch中，softmax()的用法

1、首先安装sklearn需要三个依赖库，需要分别进行安装2、查看是否已经安装了numpy、matplotlib、scipy这些库conda list下载安装还需要的依赖库3、用pip命令安装这些库pip install numpypip install matplotlibpip install scipy4、用pip 命令安装sklearn库pip install sklearn5、查看是否安