1.联合预测方法，应用于数据源端，包括：
得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；
根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；
将本地决策信息提供给决策方。
2.根据权利要求1所述的方法，其中，所述第一决策算法为第一树形结构；
所述第一树形结构是利用该数据源端对应的至少一个节点以及每一个节点上连接的至少两条边生成的；其中，每一个节点表征：对该数据源端的一条私有数据的属性判断方法；不同的边表征不同的属性判断结果；
所述本地决策信息包括：从第一树形结构的各个边中选择出的决策边的信息。
3.根据权利要求2所述的方法，其中，所述得到本地决策信息，包括：
对于第一树形结构中该数据源端对应的每一个节点，均执行：
根据该节点表征的属性判断方法以及本地的私有数据，得到属性判断结果；以及
根据当前得到的属性判断结果，从该节点用于连接下一级节点的至少两条边中选择出一条决策边；该决策边表征的属性判断结果与当前得到的属性判断结果相同；
得到各个决策边的信息。
4.根据权利要求3所述的方法，其中，所述得到各个决策边的信息，包括：
按照各决策边在所述第一树形结构中从根节点至叶子节点方向上的先后顺序，将各决策边的编号依次加入一个分支集合；
将该分支集合确定为所得到的各个决策边的信息。
5.根据权利要求4所述的方法，其中，所述将各决策边的编号依次加入所述分支集合，包括：
判断在所述第一树形结构中是否存在对应于该数据源端的至少两个相邻节点，如果是，则针对该至少两个相邻节点连接的各决策边的编号，仅将该至少两个相邻节点中最后一级节点连接的决策边的编号加入所述分支集合。
6.根据权利要求2至5中任一所述的方法，其中，所述第一树形结构包括：
参与所述联合预测的所有数据源端对应的节点及其中每一个节点上连接的至少两条边；
或者，
对应于本数据源端的节点及其中每一个节点上连接的至少两条边。
7.联合预测方法，应用于决策方，包括：
得到第二决策算法；该第二决策算法中包括参与所述联合预测的各个数据源端对应的决策分支以及各决策分支之间的关联关系；不同的决策分支表征不同的属性判断结果；
获取所述各数据源端提供的各本地决策信息；
根据第二决策算法以及获取的各本地决策信息，得到联合预测结果。
8.根据权利要求7所述的方法，其中，所述第二决策算法为第二树形结构；
该第二树形结构包括：所述各个数据源端所得到的各第一树形结构以及各个叶子节点；每一个叶子节点对应一个预测结果；
每一个所述决策分支为该第二树形结构中的一条边；
各决策分支之间的关联关系为各边在第二树形结构中的连接关系；
一个数据源端提供的本地决策信息包括：该数据源端从第一树形结构的各个边中选择出的决策边的信息。
9.根据权利要求8所述的方法，其中，所述得到联合预测结果，包括：
根据各数据源端提供的各决策边的信息，确定各决策边在所述第二树形结构中的位置及连接关系；
根据所确定出的位置及连接关系，得到从所述第二树形结构中的根节点至一个叶子节点的路径；
将得到的叶子节点对应的预测结果，确定为所述联合预测结果。
10.联合预测装置，设置于数据源端中，包括：
第一决策算法保存模块，被配置为得到第一决策算法；该第一决策算法中包括对该数据源端的私有数据的属性判断方法；
决策获取模块，被配置为根据第一决策算法，对本地的私有数据进行属性判断，得到本地决策信息；
决策提供模块，被配置为将本地决策信息提供给决策方。
11.根据权利要求10所述的装置，其中，
所述第一决策算法为第一树形结构；该第一树形结构是利用该数据源端对应的至少一个节点以及每一个节点上连接的至少两条边生成的；其中，每一个节点表征：对该数据源端的一条私有数据的属性判断方法；不同的边表征不同的属性判断结果；
所述本地决策信息包括：从第一树形结构的各个边中选择出的决策边的信息。
12.根据权利要求11所述的装置，其中，所述决策获取模块被配置为针对第一树形结构中该数据源端对应的每一个节点，均执行：
根据该节点表征的属性判断方法以及本地的私有数据，得到属性判断结果；以及
根据当前得到的属性判断结果，从该节点用于连接下一级节点的至少两条边中选择出决策边；该决策边表征的属性判断结果与当前得到的属性判断结果相同；
得到各个决策边的信息。
13.根据权利要求12所述的装置，其中，所述决策获取模块被配置为按照各决策边在所述第一树形结构中从根节点至叶子节点方向上的先后顺序，将各决策边的编号依次加入一个分支集合，将该分支集合确定为所得到的各个决策边的信息。
14.根据权利要求13所述的装置，其中，所述决策获取模块被配置为判断在所述第一树形结构中是否存在对应于该数据源端的至少两个相邻节点，如果是，则针对该至少两个相邻节点连接的各决策边的编号，仅将该至少两个相邻节点中最后一个节点连接的决策边的编号加入所述分支集合。
15.根据权利要求11至14中任一所述的装置，其中，所述第一树形结构包括：
参与所述联合预测的所有数据源端对应的节点及其中每一个节点上连接的至少两条边；
或者，
对应于本数据源端的节点及其中每一个节点上连接的至少两条边。
16.联合预测装置，设置于决策方，包括：
第二决策算法保存模块，被配置为得到第二决策算法；该第二决策算法中包括参与所述联合预测的各个数据源端对应的决策分支以及各决策分支之间的关联关系；不同的决策分支表征不同的属性判断结果；
决策汇总模块，被配置为获取所述各数据源端提供的各本地决策信息；
预测模块，被配置为根据第二决策算法以及获取的各本地决策信息，得到联合预测结果。
17.根据权利要求16所述的装置，其中，所述第二决策算法为第二树形结构；该第二树形结构包括：所述各个数据源端得到的各第一树形结构以及各个叶子节点；每一个叶子节点对应一个预测结果；
每一个所述决策分支为该第二树形结构中的一条边；
各决策分支之间的关联关系为各边在第二树形结构中的连接关系；
一个数据源端提供的本地决策信息包括：该数据源端从第一树形结构的各个边中选择出的决策边的信息。
18.根据权利要求17所述的装置，其中，所述预测模块被配置为执行：根据各数据源端提供的各决策边的信息，确定各决策边在所述第二树形结构中的位置及连接关系；根据所确定出的位置及连接关系，得到从所述第二树形结构中的根节点至一个叶子节点的路径；将得到的该叶子节点对应的预测结果，确定为所述联合预测结果。
19.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-9中任一项所述的方法。