# 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 निर्णय वन ( TF-DF ) TensorFlow में निर्णय वन मॉडल (जैसे, रैंडम फ़ॉरेस्ट, ग्रेडिएंट बूस्टेड ट्रीज़) को प्रशिक्षित करने, चलाने और व्याख्या करने के लिए एक पुस्तकालय है। TF-DF वर्गीकरण, प्रतिगमन, रैंकिंग और उत्थान का समर्थन करता है। यह लिनक्स और मैक पर उपलब्ध है। विंडो उपयोगकर्ता WSL+Linux का उपयोग कर सकते हैं।

TF-DF, Yggdrasil डिसीजन फॉरेस्ट ( YDF ) द्वारा संचालित है, जो C++, JavaScript, CLI और Go में डिसीजन फॉरेस्ट को प्रशिक्षित करने और उपयोग करने के लिए एक लाइब्रेरी है। टीएफ-डीएफ मॉडल वाईडीएफ मॉडल के साथ संगत हैं, और इसके विपरीत।

कीवर्ड्स: डिसीजन फॉरेस्ट, टेंसरफ्लो, रैंडम फॉरेस्ट, ग्रैडिएंट बूस्टेड ट्रीज, कार्ट, मॉडल इंटरप्रिटेशन।

दस्तावेज़ीकरण और संसाधन

निम्नलिखित संसाधन उपलब्ध हैं:

समुदाय

  • टेंसरफ्लो फोरम
  • Github पर TensorFlow निर्णय वन
  • गीथूब पर यज्ञद्रासिल निर्णय वन
  • 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।