Koleksiyonlar ile düzeninizi koruyun İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
# 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 Karar Ormanları ( TF-DF ), TensorFlow'da karar ormanı modellerini (örn. Rastgele Ormanlar, Gradient Artırılmış Ağaçlar) eğitmek, çalıştırmak ve yorumlamak için bir kitaplıktır. TF-DF, sınıflandırma, gerileme, sıralama ve yükseltmeyi destekler. Linux ve Mac'te mevcuttur. Pencere kullanıcıları WSL+Linux'u kullanabilir.

TF-DF, c++, JavaScript, CLI ve Go'da karar ormanlarını eğitmek ve kullanmak için bir kitaplık olan Yggdrasil Karar Ormanı ( YDF ) tarafından desteklenmektedir. TF-DF modelleri YDF modelleri ile uyumludur ve bunun tersi de geçerlidir.

Anahtar Kelimeler: Karar Ormanları, TensorFlow, Rastgele Orman, Gradient Artırılmış Ağaçlar, CART, model yorumlama.

Belgeler ve Kaynaklar

Aşağıdaki kaynaklar mevcuttur:

Toplum

  • TensorFlow forumu
  • Github'da TensorFlow Karar Ormanı
  • Github'da Yggdrasil Karar Ormanı
  • Katkı

    TensorFlow Karar Ormanlarına ve Yggdrasil Karar Ormanlarına yapılan katkılar memnuniyetle karşılanmaktadır. Katkıda bulunmak istiyorsanız geliştirici kılavuzunu mutlaka inceleyin.