TensorFlow Decision Forests

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 ) הוא אוסף של אלגוריתמים חדישים להדרכה, הגשה ופרשנות של מודלים של Decision Forest . הספרייה היא אוסף של דגמי קרס ותומכת בסיווג, רגרסיה ודירוג.

TF-DF הוא מעטפת סביב ספריות Yggdrasil Decision Forest C++. דגמים שהוכשרו עם TF-DF תואמים לדגמים של Yggdrasil Decision Forests, ולהיפך.

לרוע המזל TF-DF עדיין לא זמין עבור Mac (#16) או Windows (#3) , אנחנו עובדים על זה.

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

תיעוד ומשאבים

המשאבים הבאים זמינים:

קהילה

  • לדון ב- discuss.tensorflow.org
  • מאתר בעיות
  • TensorFlow Decision Forest ב-Github
  • Yggdrasil Decision Forest ב-Github
  • דוגמאות נוספות
  • תורם

    תרומות ליערות ההחלטה של ​​TensorFlow ויערות ההחלטה של ​​Yggdrasil יתקבלו בברכה. אם אתה רוצה לתרום, הקפד לעיין במדריך למפתחים .