# 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 ), TensorFlow'da karar ormanı modellerini (ör. Random Forests, Gradient Boosted Trees) eğitmek, çalıştırmak ve yorumlamak için kullanılan bir kitaplıktır. TF-DF, sınıflandırma, gerileme, sıralama ve yükseltmeyi destekler. Linux ve Mac'te kullanılabilir. Pencere kullanıcıları WSL+Linux'u kullanabilir.
TF-DF, c++, JavaScript, CLI ve Go'da karar ormanlarını eğitmek ve kullanmak için bir kitaplık olan Yggdrasil Karar Ormanı ( YDF ) tarafından desteklenmektedir. TF-DF modelleri YDF modelleri ile uyumludur ve tersi de geçerlidir.
Anahtar Kelimeler: Karar Ormanları, TensorFlow, Random Forest, Gradient Boosted Trees, CART, model yorumlama.
Dokümantasyon ve Kaynaklar
Aşağıdaki kaynaklar mevcuttur:
- Kılavuzlar ve öğreticiler
- API referansı
- YDF belgeleri (TF-DF için de geçerlidir)
- Karar ormanlarıyla ilgili Google Developers sınıfı
- Google E-Tablolarınızdaki modelleri eğitmek için Simple ML for Sheets'i kullanın
Toplum
Katkı
TensorFlow Karar Ormanlarına ve Yggdrasil Karar Ormanlarına katkılarınızı bekliyoruz. Katkıda bulunmak istiyorsanız, geliştirici kılavuzunu incelediğinizden emin olun.