- 综合排序
- 最热优先
- 最新优先
- 来自专栏xiaosen
AI - 集成学习
集成学习概念 集成学习是机器学习中的一种思想，它通过多个模型的组合形成一个精度更高的模型，参与组合的模型成为弱学习器（基学习器）。 集成学习 (Ensemble Learning) 算法的基本思想就是将多个分类器组合，从而实现一个预测效果更好的集成分类器。 集成学习把多个学习器结合起来，要获得好的集成，个体学习器应有一定的准确性 ，学习器不能太坏，并且学习器之间具有差异 。 随机森林进行模型的训练和预测分析 from sklearn.ensemble import RandomForestClassifier rfc=RandomForestClassifier(max_depth=6, ,y_test)) 超参数选择 rf = RandomForestClassifier() param={"n_estimators":[80,100,200], "max_depth": [2,4,6,8,10,12
51910编辑于 2024-03-24 - 来自专栏全栈程序员必看
SpringBoot集成Activiti6教程
userTask> <exclusiveGateway id="_5" name="ExclusiveGateway"></exclusiveGateway> <sequenceFlow id="_<em>6</em>" x="315.0" y="150.0"></omgdc:Bounds> </bpmndi:BPMNShape> <bpmndi:BPMNEdge bpmnElement="_<em>6</em>" id="BPMNEdge__<em>6</em>"> <omgdi:waypoint x="400.0" y="77.0"></omgdi:waypoint> <omgdi:waypoint
1.4K20编辑于 2022-09-16 - 来自专栏Springboot
Spring AI集成DeepSeek
而Spring AI作为Spring生态的一部分，提供了与人工智能技术结合的能力，可以帮助开发者轻松将AI能力集成到Spring Boot项目中。 本篇文章将引导你如何在Spring Boot中快速集成Spring AI，并通过简单的示例实现AI功能。2. 集成的AI服务：我们将集成OpenAI的API来展示如何使用Spring AI进行智能对话，这里使用硅基流动API演示。3. 编写交互类到此，以上简单几步就已经把Springboot和Spring ai快速集成起来了。 通过几步简单的配置和代码实现，开发者可以快速将AI能力集成到现有的Spring Boot项目中。
2K22编辑于 2025-02-23 - 来自专栏AI + 低代码 技术解密
AI + 低代码 技术解密（十一）：AI 集成
本文档介绍了 VTJ 的 AI 驱动的代码生成和设计辅助功能。AI 集成使用户能够通过自然语言提示、图像上传和元数据文件生成 Vue 组件和页面。 AI 系统架构VTJ 的 AI 集成由多个层组成，这些层协同工作，将用户输入转换为可执行的 Vue 代码：AI 集成架构AI 系统通过分层架构运行，其中接口组件收集用户输入，逻辑层管理状态和 API 生成的代码直接与 VTJ 的核心引擎集成，用于解析和渲染。 代码生成和 DSL 集成AI 系统通过双向代码转换与 VTJ 的核心引擎紧密集成：AI 代码生成和集成管道代码生成管道从 AI 响应中提取 Vue 代码，将其解析为 VTJ 的 DSL 格式，并将更改应用于当前块模型以进行即时渲染 自动应用和用户体验功能VTJ 的 AI 集成包括多项 UX 增强功能，以简化开发：自动应用功能启用自动应用功能后，会自动将生成的代码应用于当前页面：// Auto-apply logic in completions
22100编辑于 2025-06-25 - 来自专栏openclaw系列
OpenClaw 集成 Cloudflare AI Gateway 指南
ProviderID:cloudflare-ai-gateway基础URL格式:https://gateway.ai.cloudflare.com/v1/<account_id>/<gateway_id \--cloudflare-ai-gateway-account-id"your-account-id"\--cloudflare-ai-gateway-gateway-id"your-gateway-id "\--cloudflare-ai-gateway-api-key"$CLOUDFLARE_AI_GATEWAY_API_KEY"配置文件验证(openclaw.json)配置完成后，检查env和agents ,"agents":{"defaults":{"model":{//格式：cloudflare-ai-gateway/<gateway-model-name>"primary":"cloudflare-ai-gateway ：这与CLOUDFLARE_AI_GATEWAY_API_KEY是两层不同的鉴权。
74620编辑于 2026-03-18 - 来自专栏Java
SpringBoot【集成p6spy】使用p6spy-spring-boot-starter集成p6spy监控数据库（配置方法举例）
1.简单说明p6spy 类似于 druid 可以拦截 SQL 可以用于项目调试，直接引入 p6spy 的博文已经很多了，这里主要是介绍一下 springboot 使用 p6spy-spring-boot-starter 2.核心依赖<dependency><groupId>com.github.gavlyukovskiy</groupId><artifactId>p6spy-spring-boot-starter</artifactId spring: datasource: url: jdbc:p6spy:postgresql://xxx.xx.xxx.xxx:2345/gpdb username: gpadmin password: gpadmin driver-class-name: com.p6spy.engine.spy.P6SpyDriver type: com.alibaba.druid.pool.DruidDataSourcedecorator : logging: slf4j输出结果如下：2021-07-19 15:00:56.523 INFO 2948 --- [nio-8088-exec-6] p6spy : executionTime
67910编辑于 2025-09-03 - 来自专栏大模型系列
Java项目如何集成Spring AI
Spring CLI 还提供了将外部代码库集成到当前项目中的功能，以及许多其他生产力功能。 以下是一个示例代码片段，它展示了如何配置 Spring AI BOM，以便您可以在不指定版本号的情况下声明一个或多个 Spring AI 模块（如 spring-ai-openai）的 Starter implementation("org.springframework.ai:spring-ai-openai-starter") // 如果需要，还可以添加其他 Spring AI 嵌入模型 嵌入 API Spring AI OpenAI 嵌入 Spring AI Azure OpenAI 嵌入 Spring AI Ollama 嵌入 Spring AI Transformers （ONNX） 嵌入 Spring AI PostgresML 嵌入 Spring AI Bedrock Cohere 嵌入 Spring AI Bedrock
76000编辑于 2025-04-05 - 来自专栏AI技术体系搭建过程
Spring AI企业AI集成火箭助推器🚀
一句话总结：SpringAI用Java生态10年积累的企业级设计理念，把AI集成的复杂度从"炼金术"降到"搭积木"。如果您时间紧迫，直接看下面的图就够了。 三周后，我用SpringAI在原有SpringCloud架构上，完成了智能工单分类、RAG知识库问答等核心AI功能的集成，工单分类准确率从75%提升到92%，代码量减少70%。 AzureOpenAI制造业稳定第一多厂商备份，避免单点故障传统方案的问题：每个厂商都要写一套集成代码，维护成本爆炸。 应用开发的框架，提供统一的API来集成多种AI模型和向量数据库。 ("未分类");}//5.保存到数据库（Spring事务保证一致性）TicketsavedTicket=ticketRepository.save(ticket);//6.发送到对应的处理队列routeToQueue
51843编辑于 2025-12-18 - 来自专栏MiningAlgorithms
机器学习6：集成学习--boosting（AdaBoost）与GBDT
第二部分：GBDT： 1，GBDT算法原理： GBDT也是集成学习Boosting家族的成员，但是却和传统的Adaboost有很大的不同。 比如A的真实年龄是18岁，但第一棵树的预测年龄是12岁，差了6岁，即残差为6岁。 那么在第二棵树里我们把A的年龄设为6岁去学习，如果第二棵树真的能把A分到6岁的叶子节点，那累加两棵树的结论就是A的真实年龄；如果第二棵树的结论是5岁，则A仍然存在1岁的残差，第三棵树里A的年龄就变成1岁 ：1，加载数据；2，特征工程；3，构建一个调用模型的函数；4，训练模型；5，使用模型进行测试集样本预测； 6，保存预测结果。 , subsample=0.85, random_state=10, max_features="sqrt") modelfit(gbm_tuned_1, train, predictors) # 6，
2.5K10发布于 2019-08-08 - 来自专栏低级Java知识传播者
Feign源码解析6：集成discoveryClient获取服务列表
我们前面介绍了feign调用的整体流程，在@FeignClient没有写死url的情况下，就会生成一个支持客户端负载均衡的LoadBalancerClient。这个LoadBalancerClient可以根据服务名，去获取服务对应的实例列表，然后再用一些客户端负载均衡算法，从这堆实例列表中选择一个实例，再进行http调用即可。
1.5K20编辑于 2024-01-23 - 来自专栏大数据那些事
keepalived（6）——lvs和arrp集成操作（2）——完成
验证成功后，可以使用ipvsadm -C删除所有规则，进行keepalived的文件配置，其实，keepalived也是靠linux里的ipvs内核来进行操作的，所以可以不用ipvsadm来写，keepalived自己就会写好相应规则，只需要你手动把配置文件写好即可，在（2）博客的基础之上，添加如下字段即可： 主keepalived：
41020发布于 2020-11-11 - 来自专栏网络安全技术点滴分享
打破AI孤岛：CIO集成实战指南
打破AI孤岛：CIO集成实战指南随着生成式AI逐渐成为各类组织的标准配置，其部署方式却呈现碎片化。 为何AI集成成为CIO优先事项董事会指令：多数董事会已强制要求使用AI监管要求：隐私与安全法规持续影响AI应用企业战略：需要统一的数据AI战略实现互操作性与成本优化国家食品集团CIO Todd Loiselle CIO集成实战框架1. 企业AI战略从业务战略而非技术出发争取CEO支持聚焦高价值机会逐步扩展2. 数据整合部署统一数据平台实施AI专项治理创建跨团队可复用的特征存储库3. 跨职能协作组建多学科团队将AI能力嵌入现有工作流工具5. 变革管理实施多层级培训向多方利益相关者传达价值6. 18个月内实现特定ROI启动AI素养培训计划达成高员工采用率制定AI伦理与风险政策确保合规与负责任使用Loiselle总结道：“未来的差异化优势不在于谁使用AI，而在于谁能安全负责任地将其无缝集成到日常工作流中
23010编辑于 2025-09-29 - 来自专栏Spring Boot 2.X 系列
AI 客服定制：LangChain集成订单能力
为了提高AI客服的问题解决能力，我们引入了LangChain自定义能力，并集成了订单能力。这使得AI客服可以根据用户提出的问题，自动调用订单接口，获取订单信息，并结合文本知识库内容进行回答。 这种能力的应用，使得AI客服可以更好地解决与业务系统有关的问题。 《LangChain 入门到实战教程》更多内容 简易AI客服实现 关于简易AI客服实现可以看之前的文章： 《解密 AI 客服：LangChain+ChatGPT 打造智能客服新时代》，基于文本检索实现AI 《畅享无缝支持：LangChain与ChatGPT重塑AI客服服务》，基于会话式检索实现AI客服，可以基于文本结合历史会话上下文回答问题，同时也可以与用户闲聊。 本文是对前文AI客服的迭代升级，集成订单能力，使其在售后方面也能提供一些自动快速解决能力。
62040编辑于 2023-09-18 - 来自专栏EdisonTalk
Elastic学习之旅 (12) .NET 6应用集成ES - 下
上一篇：.NET集成ES进行CRUD 写在开头 在.NET应用中集成ES一般涉及两个方面： （1）将ES当存储用，类似于MongoDB，做文档的增删查改，这一类操作偏CRUD。 group => group.Field("brand")) )); return searchResult.Aggregations; } 小结 本篇，我们了解了如何在ASP.NET 6应用中对 示例代码 Github：https://github.com/Coder-EdisonZhou/ElasticSamples 参考资料 博客园，包子wxl，《ElasticSearch使用系列-.NET6对接 ES》 CSDN，阿星Plus，《.NET Core下使用ES》 CSDN，风神.NET，《如何在ASP.NET Core中集成ES》 极客时间，阮一鸣，《ElasticSearch核心技术与实战》 作者
43810编辑于 2024-04-24 - 来自专栏DotNet NB && CloudNative
Elastic学习之旅 (12) .NET 6应用集成ES - 下
上一篇：.NET集成ES做CRUD 写在开头 在.NET应用中集成ES一般涉及两个方面： （1）将ES当存储用，类似于MongoDB，做文档的增删查改，这一类操作偏CRUD。 group => group.Field("brand")) )); return searchResult.Aggregations; } 小结 本篇，我们了解了如何在ASP.NET 6应用中对 源码 Github：https://github.com/Coder-EdisonZhou/ElasticSamples 参考资料 博客园，包子wxl，《ElasticSearch使用系列-.NET6对接 .NET Core下使用ES》： https://blog.csdn.net/meowv/article/details/108613494 CSDN，风神.NET，《如何在ASP.NET Core中集成
33810编辑于 2024-05-09 - 来自专栏编程进阶实战
使用Microsoft.Extensions.AI简化.NET中的AI集成
它支持通过一组一致且标准化的 API 和约定将 AI 功能无缝集成到 .NET 应用程序中。 项目特色 统一的API：提供一组一致的 API 和约定，用于将 AI 服务集成到 .NET 应用程序中。 项目作用 Microsoft.Extensions.AI类库不仅简化了AI功能的集成，还促进了.NET生态系统的创新。 它使得开发者可以更加专注于应用程序的业务逻辑和功能实现，而不必花费大量时间和精力在AI服务的集成和调试上。 任何提供 AI 客户端的 .NET 包都可以实现此接口，从而实现与正在使用的 .NET 代码的无缝集成。
50110编辑于 2024-11-18 - 来自专栏AgenticAI
6种AI Agent模式详解
在本文中，我们将探讨多种构建 AI 智能体结构的模式。这些模式有助于我们扩展功能、保持模块化，并更好地控制执行流程。 为什么使用多智能体模式？ 一开始，通常会采用单智能体模型。 然而，随着功能的扩展，例如引入规划、决策、或对特定工具的集成，将所有职责集中在一个智能体中会变得效率低下且难以管理。 多智能体系统通过将职责分配给多个独立且专注的智能体来解决这一挑战。 特点： 智能体与控制逻辑之间耦合度高 专家智能体是无状态的或具备响应式行为 便于与 LangChain 的工具接口集成 优势： 路由确定性强 易于将智能体封装为可调用组件 适用场景： 需要高吞吐量任务执行 适用于按领域或部门划分逻辑的系统 每个监督者管理一组特定任务或智能体 优势： 高度可扩展且结构清晰 各层级具备模块化控制能力 挑战： 实现复杂度较高 层级之间需要明确定义接口 适用场景： 企业级系统、多领域编排任务 6.
1.1K10编辑于 2025-07-27 - 来自专栏深度学习与python
Docker Desktop 4.42 发布，带来原生 IPv6、集成的 MCP 工具包以及 AI 模型打包功能
作者 | Craig Risi 译者 | 刘雅梦 Docker 公司发布了 Docker Desktop 4.42 版本，该版本增强了网络灵活性、AI 工作流集成和模型分发功能。 原生 IPv6 支持现在允许用户在双栈、仅 IPv4 或仅 IPv6 模式之间进行选择，并具有智能 DNS 解析。 Docker 的 AI 助手 Gordon 也直接与 MCP 集成，使开发人员能够使用自然语言或命令驱动的提示与这些服务交互，简化了 DevOps 设置和基础设施故障排除。 随着 Model Runner 获得了对基于 高通的 Windows 设备 的支持，与 Linux 上的 Docker 引擎集成，以及升级了 GUI，增加了本地、Docker Hub 和日志选项卡，AI 在社交媒体上，Docker 倡导者 Ajeet Singh Raina 强调了此次发布“具有强大的新功能，包括原生 IPv6 支持，完全集成的 MCP 工具包，以及对 Docker Model Runner
38110编辑于 2025-07-16 - 来自专栏新智元
谷歌Jeff Dean又用AI设计芯片！6小时出活儿，强力碾压集成电路设计专家
Jeff Dean近日发表论文称，Google利用AI设计芯片，已经将芯片设计周期从数周降低到6小时！大大提高了硬件适应ML发展的速度。 Jeff Dean：我们用AI，6小时就能设计一款芯片，敢信？ 谷歌研究员培养AI干活儿可真花了不少心思。 事实还证明，AI在设计芯片方面天赋异禀。 基于谷歌工程师在3月份发表论文中提出的技术，AI设计芯片的水平越来越高，完全自动化地布置芯片上晶体管也毫无压力。 现在，AI设计芯片平均只需要6个小时。 反复失败、克服难以想象的困难，Google AI终于碾压集成电路设计专家！ 当然训练AI设计芯片的过程也不是一蹴而就的，需要克服难以想象的困难。 但是，我们端到端的学习方法耗时仅6个小时，而手动布置需要一个缓慢的迭代优化过程，还需要专家干预，导致整个周期可能持续数周」。 ?
1.1K20发布于 2020-04-24 - 来自专栏AI + 低代码 技术解密
AI + 低代码 技术解密（十五）：UniApp 集成
架构概述VTJ 的 Uni-App 集成由两个主要包组成：@vtj/uni 提供核心集成层，以及演示跨平台部署能力的示例应用程序。 示例应用程序结构参考 Uni-App 实现演示了集成模式：构建系统集成开发脚本Uni-App 集成提供了支持所有目标平台的全面开发脚本：构建系统使用环境变量 （ENV_TYPE） 来控制部署目标， VTJ Renderer 集成Uni-App 平台集成了 VTJ 的渲染器系统，在 Uni-App 运行环境中提供低代码功能：该集成保留了 VTJ 的设计时功能，同时利用了 Uni-App 的跨平台编译 元件库集成Uni-App 项目既可以使用 VTJ 的组件库，也可以使用 Uni-App 的原生组件：元件源使用上下文集成方法@dcloudio/uni-ui平台原生组件直接 Uni-App 集成@vtj /rendererVTJ 低代码组件基于渲染器的实例化@dcloudio/uni-components基本 Uni-App 组件框架级集成开发工作流程项目初始化Uni-App 集成通过 CLI 系统支持
39800编辑于 2025-06-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号