# 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:
- गाइड और ट्यूटोरियल
- एपीआई संदर्भ
- वाईडीएफ दस्तावेज (टीएफ-डीएफ पर भी लागू)
- डिसीजन फ़ॉरेस्ट पर Google Developers क्लास
- अपने Google शीट्स में मॉडलों को प्रशिक्षित करने के लिए शीट्स के लिए सरल एमएल का उपयोग करें
समुदाय
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।