ป่าตัดสินใจ 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")

TensorFlow Decision Forests ( TF-DF ) คือชุดของอัลกอริธึมล้ำสมัยสำหรับการฝึกอบรม การให้บริการ และการตีความแบบจำลองการ ตัดสินใจของฟอเรสต์ ห้องสมุดคือชุดของแบบจำลอง Keras และรองรับการจัดประเภท การถดถอย และการจัดอันดับ

TF-DF เป็นเครื่องห่อหุ้มรอบไลบรารี Yggdrasil Decision Forest C++ โมเดลที่ฝึกด้วย TF-DF เข้ากันได้ กับโมเดลของ Yggdrasil Decision Forests และในทางกลับกัน

น่าเสียดายที่ TF-DF ยังไม่พร้อมใช้งานสำหรับ Mac (#16) หรือ Windows (#3) เรากำลังดำเนินการแก้ไข

คำสำคัญ: Decision Forests, TensorFlow, Random Forest, Gradient Boosted Trees, CART, การตีความแบบจำลอง

เอกสารและทรัพยากร

มีทรัพยากรดังต่อไปนี้:

ชุมชน

  • อภิปรายใน Discuss.tensorflow.org
  • ตัวติดตามปัญหา
  • TensorFlow Decision Forest บน Github
  • Yggdrasil Decision Forest บน Github
  • ตัวอย่างเพิ่มเติม
  • การบริจาค

    การมีส่วนร่วมของ TensorFlow Decision Forests และ Yggdrasil Decision Forests ยินดีต้อนรับ หากคุณต้องการมีส่วนร่วม โปรดอ่าน คู่มือนักพัฒนาซอฟต์แวร์