240 发简信
史记_d5da
IP属地：西藏
  • 120
    180
    史记_d5da
    Langraph基础

    1、Langchain与Langgraph 本质区别 LangChain和LangGraph并非替代关系，而是同一个开源生态中，为解决不同问题而设计的不同层级工具。 Lang...

    11 0 0
  • 120
    180
    史记_d5da
    Agent的Function Calling

    1、Function Calling产生的背景 1.1、原因 大语言模型本身局限性：比如GPT4的知识库截至2024年4月，无法获取最新信息数据。例如无法回答“今天的天气怎么...

    12 0 0
  • 120
    180
    史记_d5da
    AIAgent

    1、AIAgent的定义 AIAgent 是一个理解人类的自然语言命令，能够感知环境、做出决策并采取行动的系统 1.1、从大语言模型定义AIAgent Al Agents是基...

    11 0 0
  • 120
    180
    史记_d5da
    RAG重排序底层原理解析

    1、重排序的原因 1、初步检索的局限性在 RAG 的第一阶段，我们通常使用双塔模型的向量检索（如通过 BM25 等）。这种方法为了追求效率，会先从一个巨大的向量库中快速召回 ...

    31 0 0
  • 120
    180
    史记_d5da
    RAG应用评估技能和工具

    1、RAG评估的依据和指标 基于大模型的 RAG 应用与传统应用有很大的不同：传统应用的输出大多是确定的且易于衡量的，比如输出一个确定的数值；RAG 应用的输入和输出都是自然...

    20 0 0
  • 120
    180
    史记_d5da
    LlamaIndex从入门到精通

    1、LlamaIndex概况 1.1、概念 LlamaIndex是一个用于LLM应用程序的数据框架，用于注入，结构化，并访问私有或者特定领域数据（通俗讲：类似于Langcha...

    29 0 0
  • 120
    180
    史记_d5da
    GraphRAG应用解析

    1、GraphRAG概述 1.1、概念回顾 传统RAG (向量检索式)： 核心是“语义相似度”。将文档切块、嵌入成向量，存储在向量数据库中。查询时，将问题也嵌入成向量，寻找最...

    105 0 0
  • 120
    180
    史记_d5da
    RAG痛点分析-Advanced RAG

    1、RAG商业化痛点分析 1.1、RAG流程 1、读取文档2、将文档分块3、将分块后的文档存储到向量数据库中进行向量化并进行索引4、结合用户的问题对索引进行相似度计算（问题和...

    23 0 0
  • 180
    史记_d5da
  • 120
    180
    史记_d5da
    29、线性回归

    1、线性回归 1、概念利用回归方程(函数) 对 一个或多个自变量(特征值)和因变量(目标值)之间 关系进行建模的一种分析方式。2、数学公式 2、线性回归API的使用 2.1、...

    47 0 0
  • 120
    180
    史记_d5da
    28、KNN算法

    1、KNN算法简介 1.1、KNN算法思想 如果一个样本在特征空间中的 k 个最相似的样本中的大多数属于某一个类别，则该样本也属于这个类别 1.2、KNN算法详细说明 1、K...

    36 0 0
  • 120
    180
    史记_d5da
    27、机器学习基本概念

    1、人工智能三大概念 1.1、基本概念 人工智能（AI）:AI is the field that studies the synthesis and analysis of...

    109 0 0
  • 120
    180
    史记_d5da
    26、Seaborn绘图

    Seaborn是基于Matplotlib，对Matplotlib高级封装。他的API设计偏向探索和理解数据，推荐使用 1、单变量图 1.1、直方图 1.2、密度图 密度图是展...

    62 0 0
  • 120
    180
    史记_d5da
    25、Pandas绘图

    Pandas是基于Matplotlib，对Matplotlib二次封装。使用简单，功能稍弱，常用的数据结构 Series 和 Dataframe 都有plot()方法，用于绘...

    68 0 0
  • 120
    180
    史记_d5da
    24、Matplotlib绘图

    Python常用可视化绘图库有Matplotlib，pandas，SeabornMatplotlib 是 Python 中最核心、最广泛的 2D 数据可视化库。它提供了类似 ...

    77 0 0
  • 120
    180
    史记_d5da
    24、pivot_table&&datetime

    1、pivot_table（数据透视表） pivot_table（数据透视表）是 pandas 中一个非常重要的功能，用于对数据进行多维度聚合分析，类似于 Excel 的数据...

    62 0 0
  • 180
    史记_d5da
    23、数据分组

    1、聚合(aggregate) 1.1、groupby的使用 groupby 语句会把所有结果放入一个DataFrame中返回 1.2、聚合函数agg和 aggregate ...

    97 0 0
  • 180
    史记_d5da
    22、apply自定义函数

    1、apply方法 apply函数可以接收一个自定义函数, 可以将DataFrame的行/列数据传递给自定义函数处理 1.1、Series的apply方法 1、apply方法...

    32 0 0
  • 120
    180
    史记_d5da
    21、Pandas缺失数据处理

    1、NaN简介 Pandas中的NaN值来自NumPy库，NumPy中缺失值有几种表示形式：NaN，NAN，nan，他们都一样 1.1、查看NaN，NAN，nan 1、NaN...

    91 0 0
  • 180
    史记_d5da
    20、Pandas数据组合

    1、concat连接 1.1、DataFrame连接 可以使用concat将下面的三个DataFrame连接。ignore_index：是否忽略前面的索引。axis：colu...

    116 0 0
暂无个人介绍