详细内容或原文请订阅后点击阅览
更智能的模型调整：具有Langgraph +精简的AI代理，可提高ML性能
在Python中使用Gemini，Langgraph和简化回归和分类来自动化模型调整，改进了Post Post Post Post Smalter Model Tuning：具有Langgraph +简化的AI代理，它提高ML性能首先出现在数据科学方面。
来源:走向数据科学在使用Langgraph时每天再多一点。
让我们面对现实吧：由于Langchain是处理与LLMS集成的第一个框架之一，因此无论您是否喜欢，它都会较早起飞，并成为建立适合生产的代理商的首选选择。
重任Langchain的弟弟是Langgraph。该框架使用带有节点和边缘的图表来构建应用程序，从而使其高度可定制并且非常健壮。那就是我非常喜欢的。
langgraph起初，一些符号对我来说很奇怪（也许只是我！）。但是我一直在挖掘和学习更多。我坚信我们在实施方面学习更好，因为那是真正的问题出现的时候。因此，经过几行代码和几个小时的代码调试之后，该图架构对我来说更具意义，我开始喜欢用Langgraph创建东西。
无论如何，如果您对框架没有任何介绍，我建议您查看此帖子[1]。
[1]现在，让我们进一步了解本文的项目。
项目
在这个项目中，我们将建立一个多步代理：
- 它采用机器学习模型类型：分类或回归。我们还将输入模型的指标，例如准确性，RMSE，混乱矩阵，ROC等。我们提供给代理的越多，响应越好。
配备Google Gemini 2.0 Flash的代理商：
- 读取用户收益输入的模型的指标，以调整模型并提高其性能的可行列表。