# Install TF-DF
!pip install tensorflow tensorflow_decision_forests

# Load TF-DF
import tensorflow_decision_forests as tfdf
import pandas as pd

# Load a dataset in a Pandas dataframe.
train_df = pd.read_csv("project/train.csv")
test_df = pd.read_csv("project/test.csv")

# Convert the dataset into a TensorFlow dataset.
train_ds = tfdf.keras.pd_dataframe_to_tf_dataset(train_df, label="my_label")
test_ds = tfdf.keras.pd_dataframe_to_tf_dataset(test_df, label="my_label")

# Train a Random Forest model.
model = tfdf.keras.RandomForestModel()
model.fit(train_ds)

# Summary of the model structure.
model.summary()

# Evaluate the model.
model.evaluate(test_ds)

# Export the model to a SavedModel.
model.save("project/model")

TensorFlow Decision Forests ( TF-DF ) adalah library untuk melatih, menjalankan, dan menginterpretasikan model decision forest (misalnya, Random Forests, Gradient Boosted Trees) di TensorFlow. TF-DF mendukung klasifikasi, regresi, pemeringkatan, dan peningkatan. Ini tersedia di Linux dan Mac. Pengguna jendela dapat menggunakan WSL+Linux.

TF-DF didukung oleh Yggdrasil Decision Forest ( YDF ), sebuah library untuk melatih dan menggunakan decision forest di c++, JavaScript, CLI, dan Go. Model TF-DF kompatibel dengan model YDF, dan sebaliknya.

Kata Kunci: Hutan Keputusan, TensorFlow, Hutan Acak, Gradient Boosted Trees, CART, interpretasi model.

Dokumentasi & Sumber Daya

Sumber daya berikut tersedia:

Masyarakat

  • Forum TensorFlow
  • Hutan Keputusan TensorFlow di Github
  • Hutan Keputusan Yggdrasil di Github
  • Berkontribusi

    Berkontribusi ke Hutan Keputusan TensorFlow dan Hutan Keputusan Yggdrasil dipersilakan. Jika Anda ingin berkontribusi, pastikan untuk meninjau panduan pengembang .