拉普拉斯分布函数
简答的添加噪音代码
x = [50,40,20,5]对该数据加噪音过程
实验结果
对大型数据添加噪音
对cui-adult中年龄添加噪音代码（上）
对cui-adult中年龄添加噪音代码（下）
实验结果保存在Laplace.txt里面，以下是几个示列的数据
39 39.714505630073205
50 50.871928963495805
38 36.2793067300975
53 52.387486292236474
28 28.53394331423312
37 36.24614965531006
49 48.748353755609635
52 50.97607294434157
31 30.699614037295827
42 42.32161492069531
37 38.47127372707609
30 30.174470642807
23 22.16667874751414
我们可以从后面数据当中推测不出前面数据，对整个数据的完整性不照成影响，但对个人数据隐私切到了保护作用，达到了隐私保护的目的
添加噪音前后数据的期望是不是基本上相同？print(sum(x2)/len(x2))print(sum(data)/len(data))
添加噪音前后数学期望
相关代码如下：以及一些相关实验：https://github.com/hlchengzi/2019/tree/master/DP_Learning。
java代码地址如下：https://github.com/hlchengzi/2019/tree/master/DP_Learning/java
