# 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。
- ガイドとチュートリアル
- API リファレンス
- YDF ドキュメント (TF-DF にも適用可能)
- デシジョン フォレストに関する Google Developers クラス
- Simple ML for Sheets を使用して Google スプレッドシートでモデルをトレーニングする
コミュニティ
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。