Foreste decisionali 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")

Decisione tensorflow Foreste (TF-DF) è una raccolta di algoritmi allo stato dell'arte per la formazione, al servizio e l'interpretazione dei modelli di decisione della foresta. La biblioteca è una collezione di Keras modelli e supporta la classificazione, la regressione e la classifica.

TF-DF è un wrapper attorno alla decisione Yggdrasil Foresta librerie C ++. I modelli addestrati con TF-DF sono compatibili con i modelli di Yggdrasil Decision Forests e viceversa.

Purtroppo TF-DF non è ancora disponibile per Mac (# 16) o di Windows (# 3) , stiamo lavorando su di esso.

Parole chiave: Decision Forests, TensorFlow, Random Forest, Gradient Boosted Trees, CART, interpretazione del modello.

Comunità

Sono disponibili le seguenti risorse:

Contribuire

I contributi a TensorFlow Decision Forests e Yggdrasil Decision Forests sono benvenuti. Se volete contribuire, assicurarsi di rivedere il manuale di sviluppatore .