- 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。 集成算法可以分为：Bagging，Boosting和Stacking等类型。 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 。 y_test)) 超参数选择 rf = RandomForestClassifier() param={"n_estimators":[80,100,200], "max_depth": [2,4,6,8,10,12
61810编辑于 2024-03-24 - 来自专栏科技记者
第8章 集成学习 笔记
bagging, boosting和随机森林是应用最广泛的三类集成学习算法。 bagging和boosting都采用了集成学习的思想，不同之处是bagging组合独立的模型，boostong迭代学习。 计算集成分类算法的误差演变 # 误差演变 boosting.evol.train <- errorevol(churn.boost, trainset) boosting.evol.test <- errorevol test','train'), col = c('red', 'blue'), lty = 1:2, lwd=2) adabag包中提供了errorevol函数以方便用户根据迭代次数估算集成分类算法的误差 estimator of misclassification error Misclassification error: 0.0606 randomForest的错分率最低，性能最佳，单棵树的性能最差，集成学习优于单树
72740编辑于 2022-03-04 - 来自专栏MiningAlgorithms
机器学习8：集成学习--LightGBM
而对于 Histogram 算法，则只需要(#data #features * 1Bytes)的内存消耗，仅为pre-sorted算法的1/8。 实际上可能决策树对于分割点的精确程度并不太敏感，而且较“粗”的分割点也自带正则化的效果，再加上boosting算法本身就是弱分类器的集成。 无法加速split的过程，该过程复杂度为O(#data)，当数据量大的时候效率不高 2），需要广播划分的结果（左右子树的instance indices），1条数据1bit的话，大约需要花费O(#data/8)
2.4K20发布于 2019-08-08 - 来自专栏机器学习算法工程师
《机器学习》笔记-集成学习（8）
章节目录 个体与集成 Boosting Bagging与随机森林 集合策略 多样性 1 个体与集成 集成学习（ensemble learning）的一般结构：先产生一组“个体学习器”（individual * 集成也可包含不同类型的个体学习器，这样集成是”异质“的（heterogeneous）。相应的个体学习器，常称为”组件学习器“（component learning）或直接称为个体学习器。 其中，√表示分类正确，x表示分类错误，集成学习的结果通过投票法（voting）产生，即“少数服从多数”。这个简单的例子显示出：要获得好的集成，个体学习器应“好而不同”。 事实上，如何产生并结合“好而不同”的个体学习器，恰是集成学习研究的核心。 3 Bagging与随机森林 欲得到泛化性能强的集成，集成中的个体学习器应尽可能独立。虽然“独立”在显示任务中无法做到，但可以设法使基学习器尽可能具有较大差异。
89360发布于 2018-03-30 - 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. xml version="1.0" encoding="UTF-8"? 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。
2.2K22编辑于 2025-02-23 - 来自专栏Android相关
Gradle For Android(8)--建立持续集成
介绍 Continuous Integration(CI)持续集成可以在团队中每天构建非常多次。每一次自动构建都可以验证最新Push到主仓库的提交。
1.7K30发布于 2018-10-24 - 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
27300编辑于 2025-06-25 - 来自专栏程序你好
评估数据集成平台的8个技巧
不幸的是，通过编写定制代码和遗留集成技术，它不能总是满足数据集成的最后期限，这会增加迁移的时间和成本。 成功的关键是找到一个数据集成平台，使快速将数据移动到云上变得容易，并在理想情况下集成其他端点，如应用程序、物联网和大数据。 您是否需要一种工具来解决战术的一次性集成挑战，也许是单一业务线(LOB)功能?或者您正在寻找一个健壮的平台来支持更具战略性的、组织范围内的集成计划对于一次性的集成，有限的平台可能就足够了。 3、您的数据集成平台的目标用户是谁?他们是熟练的开发人员、临时集成商、市民集成商还是LOB分析师? 8、你是中小型企业、中型企业还是大型企业?你正在进行一个数字转换项目或计划吗?你增长吗?您的数据集成平台需要随着您的成长而扩展吗确认集成平台支持当前和未来的需求。
1.2K20发布于 2018-10-18 - 来自专栏王磊的博客
Spring Boot（六）集成 MyBatis 操作 MySQL 8
Mybatis集成方式分为两种： 注解版集成 XML版本集成 XML版本为老式的配置集成方式，重度集成XML文件，SQL语句也是全部写在XML中的；注解版版本，相对来说比较简约，不需要XML配置，只需要使用注解和代码来操作数据 8 IDEA 2018.2 MyBatis Spring Boot 是 MyBatis 官方为了集成 Spring Boot 而推出的MyBatis版本。 xml version="1.0" encoding="UTF-8" ?> <! xml version="1.0" encoding="UTF-<em>8</em>" ?> <! xml version="1.0" encoding="UTF-<em>8</em>" ?> <!
2.6K20发布于 2018-09-27 - 来自专栏kl的专栏
Quarkus集成Dubbo Rpc远程通讯框架(8)
是一个流行的使用广泛的服务治理型RPC框架，博主所在公司，大量服务都是使用dubbo来暴露和调用的，如果想要使用quarkus替换spring boot来做业务系统，肯定要在quarkus中解决dubbo集成的问题 好在dubbo的设计比较优良，除了提供在spring环境下的自动装备加载，还可以通过手动编程的方式集成dubbo。 不过，如果确定使用quarkus作为主要的开发框架的话，最终的目标应该是将服务直接注册到k8s的service中，就不需要dubbo或者grpc这种远程通讯框架了。 smsService.sendDing("1330741xxxx",msg,"kl"); return "发送成功"; } } 结语 完成了quarkus和dubbo的集成后
92330编辑于 2023-11-18 - 来自专栏finleyMa
docker学习系列8 实现持续集成
持续集成就能帮我们做到自动化。 不过有几个条件： 需要一个提供持续集成服务的平台，这里我使用国内的 daocloud 他可以接入我们的主机，提供在线 web 的方式管理运行在主机上面的容器。
54730发布于 2018-09-10 - 来自专栏实时计算
——与Blink集成完成，集成Hive，K8S
本次Release版本修复1.2K个问题，对Flink作业的整体性能和稳定性做了重大改进，同时增加了对K8S，Python的支持。 这个版本标志着与Blink集成的完成，并且强化了流式SQL与Hive的集成，本文将详细介绍新功能和主要的改进。 在Flink1.10中推出了Active Kubernetes集成 Flink的ResourceManager（K8sResMngr）与Kubernetes进行本地通信以按需分配新的Pod，类似于Flink 的Yarn和Mesos集成。 Hive Flink 1.10通过开发将Hive集成到Flink，可用于生产环境。
1.2K20发布于 2020-02-24 - 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。
1.4K20编辑于 2026-03-18 - 来自专栏菩提树下的杨过
spring-boot 速成(8) 集成druid+mybatis
spring-boot与druid、mybatis集成（包括pageHelper分页插件）, 要添加以下几个依赖项: compile('mysql:mysql-connector-java:6.0.5 com.github.pagehelper:pagehelper-spring-boot-starter:1.1.1') compile('com.alibaba:druid:1.0.28') 一、集成 password: *** initial-size: 1 min-idle: 1 max-active: 20 test-on-borrow: true 二、集成
1.7K90发布于 2018-01-18 - 来自专栏运维小郭
k8s的持续集成（jenkins+gitlab+k8s）
实验环境 IP 主机名 192.168.3.101 k8s-master1 192.168.3.102 k8s-master2 192.168.3.103 k8s-master3 192.168.3.104 k8s-worker1 192.168.3.105 k8s-worker2 192.168.3.106 k8s-worker3 192.168.3.107 k8s-jenkins 192.168.3.108 k8s-master3 k8s-worker1 k8s-worker2 k8s-worker3 k8s-jenkins） vim /usr/lib/systemd/system/docker.service q-url-param-list=&q-signature=5bc0317449cb202362cb9c1ad6393decf4bdd3d9] 六.jenkins和gitlab相互关联 jenkins：持续集成平台 ] [j4f4t8d1ct.png?
5.4K72编辑于 2021-12-29 - 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
92500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%。 请分类这个工单:"+content).call().content();}}对比结果：✅代码量减少70%（从200行到30行）✅可读性提升300%（一眼看懂业务逻辑）✅编译时类型检查（IDE自动提示）✅完美集成 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。
61343编辑于 2025-12-18 OpenClaw + n8n 深度集成实战：低代码打造 2026 企业级 AI Agent 指南
这种“只会聊天、不会干活”的尴尬，是目前 AI 智能体落地的最大痛点。问题不在于模型不够聪明，而在于缺失与真实世界的连接能力。 而市面上的 SaaS 竞品（如 Coze Pro）虽然支持快速集成，但月费昂贵且数据强制上云，对于注重数据主权的企业来说，这不仅是成本问题，更是合规风险。 核心逻辑在于分工： 让 AI 真正“动起来”：通过 n8n 的 600+ 原生集成节点，OpenClaw 可以直接操作业务系统。用户在企微提问，智能体自动查询 CRM、生成报表并发送邮件。 全员 AI 化：LangChain 面向 Python 开发者，而 n8n 的可视化界面让产品经理也能调整工作流参数。这才是企业内部推广 AI 的关键。 Step 2：一键部署服务 stack 通过 SSH 连接服务器，执行以下命令创建目录并启动服务： # 创建工作目录 mkdir -p ~/openclaw-n8n && cd ~/openclaw-n8n
2.3K21编辑于 2026-03-06- 来自专栏低代码平台
低代码 + AI Agent：砍掉 8 成定制开发？2026 企业数字化集成落地新思路
介入异常处理，实现流程自动决策流程迭代周期≤7天>30天可视化快速迭代，替代代码二次开发集成成本新系统接入周期≤7天>30天依托预置连接器，配置化快速对接定制开发占比≤20%>60%低代码+AI替代通用定制开发需求维护成本占比 3.治理层协同：标准化管控，解决集成无序问题针对企业API混乱、权限失控、运维繁琐等治理痛点，低代码与AIAgent可构建自动化、标准化的集成治理体系：低代码集成中心统一收纳、管控全域系统接口，建立标准化 ，兼顾零基础业务人员配置使用、技术人员深度代码拓展的双重需求超自动化流程引擎：支持数据、时间、人员变动等多维度事件触发，可灵活嵌入API调用、代码块逻辑，适配复杂审批场景与定制化业务流程，支撑AI智能流程调度落地全域系统集成能力 第二阶段：场景试点，验证价值（4-8周）优先选择数据报表自动生成、订单全流程流转、设备运维告警等轻量化、高复用场景开展试点，落地低代码+AIAgent协同方案，通过数据对比验证降本、提效、减人工的实际价值 低代码+AIAgent的技术融合模式，从底层重构了企业应用开发、系统集成、业务运维的逻辑，有效解决了传统定制开发成本高、周期长、迭代慢、集成乱的行业痛点。
36710编辑于 2026-06-03 - 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. CIO行动清单行动项关键指标审计各业务部门AI计划100%映射现有工具与支出建立高管参与的AI指导委员会获得决策授权整合冗余AI工具与供应商显著减少工具泛滥设立AI卓越中心创建共享服务与标准定义KPI与成功指标 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
26710编辑于 2025-09-29
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