新しい!スプレッドシート用のシンプルな ML を使用して、Google スプレッドシートのデータに機械学習を適用します続きを読む
コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。
# 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 デシジョン フォレスト( TF-DF ) は、TensorFlow でデシジョンフォレストモデル (ランダム フォレスト、勾配ブースト ツリーなど) をトレーニング、実行、解釈するためのライブラリです。 TF-DF は、分類、回帰、ランキング、およびアップリフティングをサポートしています。 Linux と Mac で利用できます。 Windows ユーザーは WSL+Linux を使用できます。

TF-DF は、C++、JavaScript、CLI、および Go でデシジョン フォレストをトレーニングおよび使用するためのライブラリであるYggdrasil Decision Forest ( YDF ) を利用しています。 TF-DF モデルは YDF モデルと互換性があり、その逆も可能です。

キーワード: デシジョン フォレスト、TensorFlow、ランダム フォレスト、勾配ブースティング ツリー、CART、モデルの解釈。

ドキュメントとリソース

次のリソースを利用できます。

コミュニティ

  • TensorFlow フォーラム
  • Github の TensorFlow デシジョン フォレスト
  • Github のユグドラシル デシジョン フォレスト
  • 貢献する

    TensorFlow デシジョン フォレストと Yggdrasil デシジョン フォレストへの貢献は大歓迎です。貢献したい場合は、必ず開発者マニュアルを確認してください。