Google I / O là một kết quả hoàn hảo! Cập nhật các phiên TensorFlow Xem phiên

Rừng quyết định 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")

Rừng Quyết định TensorFlow ( TF-DF ) là một tập hợp các thuật toán hiện đại để đào tạo, phục vụ và giải thích các mô hình Rừng Quyết định . Thư viện là một tập hợp các mô hình Keras và hỗ trợ phân loại, hồi quy và xếp hạng.

TF-DF là một trình bao bọc xung quanh các thư viện C ++ của Rừng Quyết định Yggdrasil . Các mô hình được đào tạo với TF-DF tương thích với các mô hình của Rừng Quyết định Yggdrasil và ngược lại.

Rất tiếc, TF-DF vẫn chưa khả dụng cho Mac (# 16) hoặc Windows (# 3) , chúng tôi đang nghiên cứu về nó.

Từ khóa: Rừng Quyết định, TensorFlow, Rừng ngẫu nhiên, Cây tăng độ dốc, CART, giải thích mô hình.

Tài liệu & Tài nguyên

Các tài nguyên sau đây có sẵn:

Cộng đồng

  • Thảo luận trên Discus.tensorflow.org
  • Người tìm bệnh
  • TensorFlow quyết định Forest trên Github
  • Rừng Quyết định Yggdrasil trên Github
  • Các ví dụ khác
  • Đóng góp

    Những đóng góp cho Rừng Quyết định TensorFlow và Rừng Quyết định Yggdrasil đều được hoan nghênh. Nếu bạn muốn đóng góp, hãy nhớ xem lại hướng dẫn sử dụng dành cho nhà phát triển .