# 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 ) adalah library untuk melatih, menjalankan, dan menginterpretasikan model decision forest (misalnya, Random Forests, Gradient Boosted Trees) di TensorFlow. TF-DF mendukung klasifikasi, regresi, pemeringkatan, dan peningkatan. Ini tersedia di Linux dan Mac. Pengguna jendela dapat menggunakan WSL+Linux.
TF-DF didukung oleh Yggdrasil Decision Forest ( YDF ), sebuah library untuk melatih dan menggunakan decision forest di c++, JavaScript, CLI, dan Go. Model TF-DF kompatibel dengan model YDF, dan sebaliknya.
Kata Kunci: Hutan Keputusan, TensorFlow, Hutan Acak, Gradient Boosted Trees, CART, interpretasi model.
Dokumentasi & Sumber Daya
Sumber daya berikut tersedia:
- Panduan dan tutorial
- referensi API
- Dokumentasi YDF (juga berlaku untuk TF-DF)
- Kelas Google Developers tentang hutan keputusan
- Gunakan ML Sederhana untuk Spreadsheet untuk melatih model di Google Spreadsheet Anda
Masyarakat
Berkontribusi
Berkontribusi ke Hutan Keputusan TensorFlow dan Hutan Keputusan Yggdrasil dipersilakan. Jika Anda ingin berkontribusi, pastikan untuk meninjau panduan pengembang .