Bantuan melindungi Great Barrier Reef dengan TensorFlow pada Kaggle Bergabung Tantangan

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")

TensorFlow Keputusan Hutan (TF-DF) adalah kumpulan negara-of-the-art algoritma untuk pelatihan, melayani dan interpretasi model Hutan Keputusan. Perpustakaan adalah kumpulan Keras model dan mendukung klasifikasi, regresi dan peringkat.

TF-DF adalah pembungkus sekitar Yggdrasil Keputusan Hutan C ++ perpustakaan. Model dilatih dengan TF-DF yang kompatibel dengan Yggdrasil Keputusan Hutan model, dan sebaliknya.

Sayangnya TF-DF belum tersedia untuk Mac (# 16) atau Windows (# 3) , kami bekerja di atasnya.

Kata kunci: Hutan Keputusan, TensorFlow, Hutan Acak, Gradient Boosted Trees, CART, interpretasi model.

Masyarakat

Sumber daya berikut tersedia:

Berkontribusi

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