संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

TensorFlow निर्णय वन

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 निर्णय वन ( TF-DF ) निर्णय वन मॉडल के प्रशिक्षण, सेवा और व्याख्या के लिए अत्याधुनिक एल्गोरिदम का एक संग्रह है। पुस्तकालय केरस मॉडल का एक संग्रह है और वर्गीकरण, प्रतिगमन और रैंकिंग का समर्थन करता है।

TF-DF Yggdrasil Decision Forest C++ लाइब्रेरी के चारों ओर एक आवरण है। TF-DF के साथ प्रशिक्षित मॉडल Yggdrasil Decision Forests के मॉडल के साथ संगत हैं, और इसके विपरीत।

दुर्भाग्य से TF-DF अभी तक Mac (#16) या Windows (#3) के लिए उपलब्ध नहीं है, हम इस पर काम कर रहे हैं।

कीवर्ड: डिसिजन फ़ॉरेस्ट, टेंसरफ़्लो, रैंडम फ़ॉरेस्ट, ग्रेडिएंट बूस्टेड ट्री, कार्ट, मॉडल इंटरप्रिटेशन।

दस्तावेज़ीकरण और संसाधन

निम्नलिखित संसाधन उपलब्ध हैं:

समुदाय

  • चर्चा पर चर्चा करें.tensorflow.org
  • मुद्दा पर नज़र रखने वाला
  • गीथूब पर TensorFlow निर्णय वन
  • गितुब पर यग्द्रसिल निर्णय वन
  • और ज्यादा उदाहरण
  • योगदान

    TensorFlow निर्णय वन और Yggdrasil निर्णय वन में योगदान का स्वागत है। यदि आप योगदान देना चाहते हैं, तो डेवलपर मैनुअल की समीक्षा करना सुनिश्चित करें।