支持向量机
支持向量机 (SVM) 是一组用于分类、回归和异常检测的监督学习方法。
本笔记本介绍了如何使用一个在底层使用 SVM 的检索器，该检索器使用 scikit-learn 包。
主要基于 https://github.com/karpathy/randomfun/blob/master/knn_vs_svm.html
%pip install --upgrade --quiet scikit-learn
%pip install --upgrade --quiet lark
我们想使用 OpenAIEmbeddings，所以我们必须获取 OpenAI API 密钥。
import getpass
import os
if "OPENAI_API_KEY" not in os.environ:
os.environ["OPENAI_API_KEY"] = getpass.getpass("OpenAI API Key:")
OpenAI API Key: ········
<!--IMPORTS:[{"imported": "SVMRetriever", "source": "langchain_community.retrievers", "docs": "https://python.langchain.com/api_reference/community/retrievers/langchain_community.retrievers.svm.SVMRetriever.html", "title": "SVM"}, {"imported": "OpenAIEmbeddings", "source": "langchain_openai", "docs": "https://python.langchain.com/api_reference/openai/embeddings/langchain_openai.embeddings.base.OpenAIEmbeddings.html", "title": "SVM"}]-->
from langchain_community.retrievers import SVMRetriever
from langchain_openai import OpenAIEmbeddings
创建带文本的新检索器
retriever = SVMRetriever.from_texts(
["foo", "bar", "world", "hello", "foo bar"], OpenAIEmbeddings()
)
使用检索器
我们现在可以使用检索器了！
result = retriever.invoke("foo")
result
[Document(page_content='foo', metadata={}),
Document(page_content='foo bar', metadata={}),
Document(page_content='hello', metadata={}),
Document(page_content='world', metadata={})]
