联邦学习开源框架FATE的学习资料

官网：https://fate.fedai.org/
GITHUB：https://github.com/FederatedAI/FATE

项目目录

一、开源项目文件

1.1 LICENSE.md：开源协议（Apache 2.0）
1.2 CONTRIBUTING.md：如何为项目做贡献
1.3 CODE_OF_CONDUCT.md：参与者的行为准则
1.4 PULL_REQUEST_TEMPLATE.md：贡献代码模版

Github 开源项目贡献指南：如何给开源项目做贡献

二、如何使用项目

2.1 README.md：如何使用项目
2.2 RELEASE.md：发行版本说明
2.3 requirements.txt：环境依赖

三、算法细节 ./federatedml

（一）单元测试的脚本：./test

安装FATE后，可以使用以下命令运行测试：

sh ./federatedml/test/run_test.sh 

如果FATE被正确安装，那么所有单元测试都将成功通过。

（二）./conf

一些json配置文件

（三）./evaluation

This module provide some evaluation method for classification and regression.

（四）./feature

有关feature的操作
1、Hetero Feature Binning
特征装箱或数据装箱是一种数据预处理技术。它可以用来减少微小观测误差的影响，计算信息值等。
2、Hetero Feature Selection
特征选择是为模型构建选择特征子集的过程。充分利用特征选择的优点可以提高模型的性能。
3、Federated Sampling 联邦抽样
采样模块支持两种采样模式：随机采样模式和分层采样模式。
4、Feature scale
特征缩放是沿列缩放每个特征的过程。功能缩放模块现在支持最小最大缩放和标准缩放。
5、OneHot Encoder
OneHot编码是将类别变量转换为二进制值的过程。

（五）./framework

开发新算法模块的工具包和基本模型。框架提供了可重用的功能来标准化模块并使其紧凑。

5.1 hetero：异构

1、sync 同步：通信交互
batchinfo、conver