# 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 היא הספרייה החדשה של גוגל להכשרת יערות החלטה.

YDF מרחיב את העוצמה של TF-DF, ומציע תכונות חדשות, API פשוט יותר, זמני אימון מהירים יותר, תיעוד מעודכן ותאימות משופרת לספריות ML פופולריות.

עבור לאתר חדש

TensorFlow Decision Forests ( TF-DF ) היא ספרייה לאימון, הפעלה ופירוש של מודלים של יערות החלטה (למשל, יערות אקראיים, עצים עם שיפור שיפוע) ב-TensorFlow. TF-DF תומך בסיווג, רגרסיה, דירוג והעלאה.

מילות מפתח: Decision Forests, TensorFlow, Random Forest, Gradient Boosted Trees, CART, פרשנות מודלים.

תיעוד ומשאבים

המשאבים הבאים זמינים:

קהילה