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

  • Diskusikan di diskusi.tensorflow.org
  • Pelacak masalah
  • Hutan Keputusan TensorFlow di Github
  • Hutan Keputusan Yggdrasil di Github
  • Contoh lainnya
  • Berkontribusi

    Kontribusi ke Hutan Keputusan TensorFlow dan Hutan Keputusan Yggdrasil dipersilakan. Jika Anda ingin berkontribusi, pastikan untuk meninjau manual pengembang .