文章
105
标签
75
分类
17
首页
时间轴
标签
分类
留言板
清单
音乐
照片
电影
友链
关于
Dedsec的博客
c语言细节
首页
时间轴
标签
分类
留言板
清单
音乐
照片
电影
友链
关于
c语言细节
发表于
2025-02-08
|
更新于
2025-02-08
|
浏览量:
文章作者:
Dedsec
文章链接:
https://www.th-dedsec.top/2025/02/08/c%E8%AF%AD%E8%A8%80%E7%BB%86%E8%8A%82/
版权声明:
本博客所有文章除特别声明外,均采用
CC BY-NC-SA 4.0
许可协议。转载请注明来源
Dedsec的博客
!
上一篇
langchain历史记录管理
langchain历史记录管理输入的消息类型: 关于Message的基本介绍可用看这:langchain基本Messages 这里说说基本的用法(重在区别BaseMessage,HumanMessage,AIMessage) 如以下代码: # 先写 InMemoryMessageHistory,对获取的消息进行处理并获取历史记录列表! class InMemoryMessageHistory(BaseChatMessageHistory, BaseModel): messages: List[BaseMessage] = Field(default_factory=list) # 添加并处理对话记录 def add_message(self, message: BaseMessage) -> None: self.messages.append(message) def clear(self) -> None: ...
下一篇
朴素贝叶斯分类算法
朴素贝叶斯分类理解步奏一:准备数据集 收集数据:收集与分类任务相关的数据集,比如网安数据,日常生活对话数据 数据标注:以我的aichat bot为例,为网安的数据标注为”1”,日常生活数据标注为”0” 划分数据(可选):将数据集划分为训练集和测试集。训练集用于训练模型,测试集用于评估模型的性能。通常,可按照 70% - 30% 或 80% - 20% 的比例进行划分。 步奏二:获取离散矩阵 即使用如:self.vectorizer = CountVectorizer():创建一个 CountVectorizer 对象,用于将文本数据转换为数值特征矩阵。 关于这个数字序列矩阵:X = self.vectorizer.fit_transform(texts):fit_transform 是 CountVectorizer...
Dedsec
车万木柜子的日常。成分:车万,网安人,音乐爱好者
文章
105
标签
75
分类
17
github仓库
公告
苦逼学习web中。温馨提示,放大页面背景更自然(
最新文章
2025强网杯web
2025-12-24
记录首次搭建靶场
2025-12-23
docker使用指南
2025-12-23
python循环
2025-11-14
dasctf 2024最后一战:const_python
2025-11-13