New! Use Simple ML for Sheets to apply machine learning to the data in your Google Sheets Read More
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
# 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()

# Evaluate the model.
model.evaluate(test_ds)

# Export the model to a SavedModel.
model.save("project/model")

TensorFlow Decision Forests ( TF-DF ) เป็นไลบรารีสำหรับฝึก เรียกใช้ และตีความโมเดลฟอ เรสต์การตัดสินใจ (เช่น Random Forests, Gradient Boosted Trees) ใน TensorFlow TF-DF รองรับการจำแนก การถดถอย การจัดอันดับ และการยกระดับ มีให้บริการบน Linux และ Mac ผู้ใช้ Window สามารถใช้ WSL+Linux

TF-DF ขับเคลื่อนโดย Yggdrasil Decision Forest ( YDF ) ซึ่งเป็นไลบรารีสำหรับฝึกและใช้ฟอเรสต์การตัดสินใจใน c++, JavaScript, CLI และ Go รุ่น TF-DF เข้ากันได้ กับรุ่น YDF และในทางกลับกัน

คำสำคัญ: Decision Forests, TensorFlow, Random Forest, Gradient Boosted Trees, CART, การตีความโมเดล

เอกสารและแหล่งข้อมูล

มีแหล่งข้อมูลดังต่อไปนี้:

ชุมชน

  • ฟอรัม TensorFlow
  • TensorFlow Decision Forest บน Github
  • Yggdrasil Decision Forest บน Github
  • บริจาค

    ยินดีต้อนรับการมีส่วนร่วมใน TensorFlow Decision Forests และ Yggdrasil Decision Forests หากคุณต้องการมีส่วนร่วม อย่าลืมอ่าน คู่มือสำหรับนักพัฒนาซอฟต์แวร์