集成学习
集成学习--简要梳理
前言
我们都知道，一个人的意见往往带有主观色彩，如果只听信一人之言，当这个人做出错误判断时，那会影响我们对整个事情的判断。为了对事物的认知更加全面正确，我们可以找多个可靠的人，让每个人都做判断，然后选择相信大多数人都认可的看法。这种用“多”代之“少”，减小偏差的思想便是集成学习。
集成学习
集成学习不是一种具体的机器学习算法，而是一种思想：将多个只在某些方面表现较好的弱分类器组合，通过一定的方式得到一个全方面表现较好的强分类器。
两个问题：
怎样得到多个弱分类器？
怎样组合？
依上述问题，集成思想可以分为Boosting和Bagging。
Boosting是一种串行集成，通过将弱学习器提升成为强学习器以提高预测精度。利用弱学习器间的关系，在一轮学习结束后，对之前训练中错误标记的样本赋上较高的权重，改变训练数据的概率分布（改变权值），然后再用算法学习得到一个分类器。针对不同训练数据集用算法学习出一系列分类器。典型算法是AdaBoost。
每一轮如何改变训练数据的权值：AdaBoost中，提高前一轮被弱分类器分类错误的样本的权值，降低被正确分类的样本的权值。 ...
MD4Collison
MD4碰撞攻击
目 的：以论文梳理为主，回顾总结课程学习。
参考论文：2005年王小云教授等人发表的 Cryptanalysis of the Hash Functions MD4 and RIPEMD
MD4算法 MD4是较早出现的hash函数，在MD4后出现 了MD5,HAVAL,RIPEMD，RIPEMD-160，SHA-1,SHA-256等更加复杂的hash函数，但设计原理和结构与MD4类似（碰撞原理也类似）。
消息摘要函数MD4将任意长度的消息压缩至128bit。算法对一个消息做如下操作：
step 1（填充）:将消息m填充至512的倍数（如果本身是512bit的消息，仍要填充，因为必须有64bit放消息长度）
填充部分：|m | 100… | len
对应长度：| 448bit | 64bit
step2（压缩）:填充完后，对每一个512bit消息块使用压缩函数将其压缩成128bit，最后一个消息块压缩完后得到的压缩值为整个消息的压缩值。
压缩函数有3轮：
N ...