透過集合功能整理內容 你可以依據偏好儲存及分類內容。

TensorFlow Decision Forest

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 Forest (TF-DF) 是一組最先進的演算法,可用於訓練、提供及解讀 Decision Forest 模型。其程式庫是一組 Keras 模型,支援分類、迴歸和排名功能。

TF-DF 是用來包裝 Yggdrasil Decision Forest C++ 程式庫的函式。使用 TF-DF 來訓練的模型與 Yggdrasil Decision Forest 模型彼此相容。

雖然 TF-DF 尚無法在 Mac (#16)Windows (#3) 中使用,但我們正在努力解決這個問題。

關鍵字:Decision Forest、TensorFlow、Random Forest、梯度提升樹狀圖、CART、模型解讀。

社群

您可參閱下列資源:

協助改善

歡迎您協助改善 TensorFlow Decision Forest 和 Yggdrasil Decision Forest。如要貢獻心力,請務必參閱開發人員手冊