컬렉션을 사용해 정리하기 내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.

TensorFlow 결정 포레스트

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 결정 포레스트(TF-DF)는 결정 포레스트 모델의 학습, 제공, 해석을 위한 최첨단 알고리즘 컬렉션입니다. 라이브러리는 Keras 모델의 컬렉션이며 분류, 회귀, 순위 지정을 지원합니다.

TF-DF는 Yggdrasil 결정 포레스트 C++ 라이브러리의 래퍼입니다. TF-DF로 학습된 모델은 Yggdrasil 결정 포레스트 모델과 호환되며 반대의 경우도 마찬가지입니다.

하지만 TF-DF는 아직 Mac(#16) 또는 Windows(#3)에서 사용할 수 없으며, 이를 해결하기 위해 노력 중입니다.

키워드: 결정 포레스트, TensorFlow, 랜덤 포레스트, 경사 부스트된 트리, CART, 모델 해석

커뮤니티

사용할 수 있는 리소스는 다음과 같습니다.

참여

TensorFlow 결정 포레스트 및 Yggdrasil 결정 포레스트에 관한 참여를 환영합니다. 참여하려면 개발자 매뉴얼을 검토하세요.