分支定界法（branch and bound）是一种求解离散数据组合的最优化问题。该算法执行的效率取决于你所找的问题解空间的上下界，如果找到一个很紧凑的上下界进行剪枝操作，该算法的执行效率会非常高，因此它是最有可能在多项式时间内求解NP问题的算法。

 2018年充满了得与失，得到了许多，失去的更多，但总的来说成长了。年初的时候，体会了面对生死的无可奈何，明白了人生总有些事情是努力无法改变的，所以应该珍惜现在所拥有的一切。

 来北京已经一周多了，虽然没怎么上课，但一直在学校待着，也没打算出去逛。报名的那天来的相对晚一些，急匆匆地报完名，然后去了超市买了些日用品，有些后悔没有带个枕头过来。晚上去了实验室，找了老师。老师安排了一个临时座位，之后的大部分时间应该会在实验室待着吧。

百度安全实验室： 大数据时代下的隐私保护（一） 大数据时代下的隐私保护（二） 大数据时代下的隐私保护（三） PATE相关: 隐私与机器学习，二者可以兼得吗？ ICLR-17最佳论文作者Nicolas Papernot现场演讲：如何用PATE框架有效保护隐私训练数据？

1.内置类型 1）整数 a = 123 print(a) print(type(a))

2. 基本术语 这一部分正式开始，给出了差分隐私的正式定义，并且列举了一些它的关键性质。

1. 差分隐私的承诺 “差分隐私”描述的是一种由数据持有者或监管者所作出的对于数据学科的承诺：“允许你的数据应用于任意的研究或分析，即使是可以获取到其他的研究成果，数据集或是信息资源，你也不会因此而受到负面或其他方面的影响。”在最好的情况下，不需要借助于数据清洗空间，数据使用协议，数据保护计划，或其他受限制的查看，差分隐私数据库机制能够使得机密的数据被广泛地应用于精确的数据分析中。尽管如此，数据的有用性也会减少：信息恢复的基础规则表明对于许多问题过于精确的回答将会以一种特殊的方式泄漏隐私。基于差分隐私算法研究的目标是尽可能降低这种不可避免性。

 晚上睡不着，突然想了一些机器学习中的问题，发现似乎可以类比于生活。因为从某种程度来说，机器学习是模仿人类学习，那么反推回去，机器学习似乎也可以给生活或学习一些启示。

1.感知机模型  感知机：假设输入空间为X，输出空间为Y，其中Y=｛+1，-1｝。由输入空间到输出空间的如下函数f(x),称为感知机。其中，w和b为感知机模型参数，w为权重值，b为偏置，sign为符号函数。

1.统计学习  赫尔伯特·西蒙曾对学习给出以下定义： 如果一个系统能够通过执行某个过程改进它的性能，这就是学习。 统计学习就是计算机系统通过运用数据及统计方法提高系统性能的机器学习。

 朴素贝叶斯是基于贝叶斯公式和属性条件独立假设的一种分类方式。它是一种“生成式模型”，先通过样本估计先验概率，然后用它来求出后验概率。

 从大学时就很喜欢看《今晚80后脱口秀》，再到之后喜欢上了《吐槽大会》和《脱口秀大会》。 “吐槽是门手艺，笑对需要勇气”，就源自于《吐槽大会》中的一句开场，也是我非常喜欢的一句话。大概是看到脱口秀演员吐槽了太多人（当然也包括他们自己），比如，李蛋经常嘲讽观众或是思文经常调侃她睡在上铺的兄弟，我也慢慢的接受了这种吐槽与自嘲的方式，也渐渐的用类似于吐槽的方式去看待自己的一些生活，当然我写出来的并是搞笑的段子，只是一些对自己的审视。

 虽然logistic regression名为回归，但却是一个机器学习中的分类方法。我们先用它来处理二分类问题，基本模型如下，定义出了Y=1和Y=0的概率。