جدید! از Simple ML for Sheets برای اعمال یادگیری ماشینی روی داده‌های Google Sheets خود استفاده کنید.
ادامه مطلب
آموزش TensorFlow Decision Forests
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
نوت بوک های زیر موجود است:
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2024-08-24 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2024-08-24 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# TensorFlow Decision Forests tutorials\n\n\u003cbr /\u003e\n\nThe following notebooks are available:\n\n- [Beginner Colab](/decision_forests/tutorials/beginner_colab): Learn about the basic about model training, evaluation and exportation.\n- [Ranking Colab](/decision_forests/tutorials/ranking_colab): Learn about ranking with decision forests.\n- [Intermediate Colab](/decision_forests/tutorials/intermediate_colab): How to consume text and combine decision forest with neural networks.\n- [Advanced Colab](/decision_forests/tutorials/advanced_colab): How to inspect and create model structures directly.\n- [Uplifting Colab](/decision_forests/tutorials/uplift_colab): Learn about uplift modeling with decision forests.\n- [Model composition Colab](/decision_forests/tutorials/model_composition_colab): How to compose decision forests and neural networks together.\n- [Proximities and Prototypes with Random Forests](/decision_forests/tutorials/proximities_colab): Measure the distance between tabular examples and use it to understand a model and its predictions.\n- [Automatic hyper-parameter tuning](/decision_forests/tutorials/automatic_tuning_colab): Automatically select the best hyper-parameters for a model.\n- [Making predictions](/decision_forests/tutorials/predict_colab): List of options to make predictions with a model."]]
