Lasy decyzyjne TensorFlow
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")
Lasy decyzyjne TensorFlow ( TF-DF ) to zbiór najnowocześniejszych algorytmów do uczenia, obsługi i interpretacji modeli lasów decyzyjnych . Biblioteka jest zbiorem modeli Keras i obsługuje klasyfikację, regresję i ranking.
TF-DF jest nakładką na biblioteki Yggdrasil Decision Forest C++. Modele wytrenowane za pomocą TF-DF są kompatybilne z modelami Yggdrasil Decision Forests i na odwrót.
Niestety TF-DF nie jest jeszcze dostępny dla komputerów Mac (nr 16) lub Windows (nr 3) , pracujemy nad tym.
Słowa kluczowe: Lasy decyzyjne, TensorFlow, Las losowy, Drzewa wzmocnione gradientem, CART, interpretacja modelu.
Dokumentacja i zasoby
Dostępne są następujące zasoby:
Społeczność
Przyczynianie się
Mile widziane są wkłady do Lasów Decyzyjnych TensorFlow i Lasów Decyzyjnych Yggdrasil. Jeśli chcesz wnieść swój wkład, zapoznaj się z podręcznikiem programisty .