# 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")
Леса принятия решений TensorFlow ( TF-DF ) — это библиотека для обучения, запуска и интерпретации моделей леса принятия решений (например, случайных лесов, деревьев с градиентным усилением) в TensorFlow. TF-DF поддерживает классификацию, регрессию, ранжирование и поднятие. Он доступен на Linux и Mac. Пользователи Windows могут использовать WSL+Linux.
TF-DF основан на Yggdrasil Decision Forest ( YDF ), библиотеке для обучения и использования лесов решений в C++, JavaScript, CLI и Go. Модели TF-DF совместимы с моделями YDF и наоборот.
Ключевые слова: леса решений, TensorFlow, случайный лес, деревья с градиентным усилением, CART, интерпретация модели.
Документация и ресурсы
Доступны следующие ресурсы:
- Руководства и учебные пособия
- Справочник по API
- Документация YDF (также применима к TF-DF)
- Курс Google Developers по лесам решений
- Используйте Simple ML for Sheets для обучения моделей в ваших Google Таблицах
Сообщество
Содействие
Вклад в TensorFlow Decision Forests и Yggdrasil Decision Forests приветствуется. Если вы хотите внести свой вклад, обязательно ознакомьтесь с руководством разработчика .