TensorFlowデシジョンフォレスト

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決定森(TF-DF)トレーニング、サービス提供と意思決定の森のモデルの解釈のための最先端のアルゴリズムのコレクションです。図書館はのコレクションですKerasのモデルとサポートの分類、回帰と順位。

TF-DFは、周りのラッパーですユグドラシルの意思決定の森C ++ライブラリ。 TF-DFでトレーニングされたモデルは、Yggdrasil Decision Forestsのモデルと互換性があり、その逆も同様です。

残念ながら、TF-DFはまだ利用できませんマック(#16)、またはWindowsの(#3) 、我々はそれに取り組んでいます。

キーワード:Decision Forests、TensorFlow、Random Forest、Gradient Boosted Trees、CART、モデルの解釈。

コミュニティ

次のリソースを利用できます。

貢献

TensorFlow決定フォレストとYggdrasil決定フォレストへの貢献を歓迎します。あなたが貢献したい場合は、確認してください開発者のマニュアルを