# 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()

# Compute model accuracy.
model.compile(metrics=["accuracy"])
model.evaluate(test_ds, return_dict=True)

# Export the model to a SavedModel.
model.save("project/model")
# Install YDF
!pip install ydf -U

import ydf
import pandas as pd

# Load a dataset with Pandas
ds_path = "https://raw.githubusercontent.com/google/yggdrasil-decision-forests/main/yggdrasil_decision_forests/test_data/dataset/"
train_ds = pd.read_csv(ds_path + "adult_train.csv")
test_ds = pd.read_csv(ds_path + "adult_test.csv")

# Train a Gradient Boosted Trees model
model = ydf.GradientBoostedTreesLearner(label="income").train(train_ds)

# Look at a model (input features, training logs, structure, etc.)
model.describe()

# Evaluate a model (e.g. roc, accuracy, confusion matrix, confidence intervals)
model.evaluate(test_ds)

# Generate predictions
model.predict(test_ds)

# Analyse a model (e.g. partial dependence plot, variable importance)
model.analyze(test_ds)

# Benchmark the inference speed of a model
model.benchmark(test_ds)

# Save the model
model.save("/tmp/my_model")

# Export the model as a TensorFlow Saved Model
model.to_tensorflow_saved_model("/tmp/my_saved_model")

YDF হল Google-এর নতুন লাইব্রেরি ডিসিশন ফরেস্টকে প্রশিক্ষণ দেওয়ার জন্য।

YDF TF-DF এর ক্ষমতাকে প্রসারিত করে, নতুন বৈশিষ্ট্য, একটি সরলীকৃত API, দ্রুত প্রশিক্ষণের সময়, আপডেট হওয়া ডকুমেন্টেশন এবং জনপ্রিয় ML লাইব্রেরির সাথে উন্নত সামঞ্জস্য প্রদান করে।

নতুন ওয়েবসাইটে যান

টেনসরফ্লো ডিসিশন ফরেস্টস ( টিএফ-ডিএফ ) হল টেনসরফ্লোতে সিদ্ধান্ত বন মডেল (যেমন, র্যান্ডম ফরেস্ট, গ্রেডিয়েন্ট বুস্টেড ট্রি) প্রশিক্ষণ, চালানো এবং ব্যাখ্যা করার জন্য একটি লাইব্রেরি। TF-DF শ্রেণীবিভাগ, রিগ্রেশন, র‌্যাঙ্কিং এবং উত্থান সমর্থন করে।

কীওয়ার্ড: ডিসিশন ফরেস্ট, টেনসরফ্লো, র্যান্ডম ফরেস্ট, গ্রেডিয়েন্ট বুস্টেড ট্রিস, CART, মডেল ব্যাখ্যা।

ডকুমেন্টেশন এবং সম্পদ

নিম্নলিখিত সংস্থান উপলব্ধ:

সম্প্রদায়