Mantieni tutto organizzato con le raccolte Salva e classifica i contenuti in base alle tue preferenze.
# 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 ) è una libreria per addestrare, eseguire e interpretare i modelli decisionali delle foreste (ad esempio, Random Forests, Gradient Boosted Trees) in TensorFlow. TF-DF supporta la classificazione, la regressione, la classifica e il miglioramento. È disponibile su Linux e Mac. Gli utenti Windows possono utilizzare WSL+Linux.

TF-DF è basato su Yggdrasil Decision Forest ( YDF ), una libreria per addestrare e utilizzare le foreste decisionali in c++, JavaScript, CLI e Go. I modelli TF-DF sono compatibili con i modelli YDF e viceversa.

Parole chiave: Decision Forests, TensorFlow, Random Forest, Gradient Boosted Trees, CART, interpretazione del modello.

Documentazione e risorse

Sono disponibili le seguenti risorse:

Comunità

  • Forum TensorFlow
  • TensorFlow Decision Forest su Github
  • Yggdrasil Decision Forest su Github
  • Contribuire

    I contributi a TensorFlow Decision Forests e Yggdrasil Decision Forests sono i benvenuti. Se vuoi contribuire, assicurati di leggere il manuale dello sviluppatore .