# 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।
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:
- গাইড এবং টিউটোরিয়াল
- API রেফারেন্স
- YDF ডকুমেন্টেশন (TF-DF এর ক্ষেত্রেও প্রযোজ্য)
- গুগল ডেভেলপারদের ডিসিশন ফরেস্ট অনলাইন ক্লাস