Hutan Keputusan TensorFlow
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")
Hutan Keputusan TensorFlow ( TF-DF ) adalah kumpulan algoritme canggih untuk pelatihan, penyajian, dan interpretasi model Hutan Keputusan . Perpustakaan adalah kumpulan model Keras dan mendukung klasifikasi, regresi, dan peringkat.
TF-DF adalah pembungkus di sekitar perpustakaan Yggdrasil Decision Forest C++. Model yang dilatih dengan TF-DF kompatibel dengan model Yggdrasil Decision Forests, dan sebaliknya.
Sayangnya TF-DF belum tersedia untuk Mac (#16) atau Windows (#3) , kami sedang mengerjakannya.
Kata kunci: Hutan Keputusan, TensorFlow, Hutan Acak, Gradient Boosted Trees, CART, interpretasi model.
Dokumentasi & Sumber Daya
Sumber daya berikut tersedia:
Masyarakat
Berkontribusi
Kontribusi ke Hutan Keputusan TensorFlow dan Hutan Keputusan Yggdrasil dipersilakan. Jika Anda ingin berkontribusi, pastikan untuk meninjau manual pengembang .