Леса решений 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 Decision Forests ( TF-DF ) — это набор современных алгоритмов для обучения, обслуживания и интерпретации моделей Decision Forest . Библиотека представляет собой набор моделей Keras и поддерживает классификацию, регрессию и ранжирование.
TF-DF — это оболочка для библиотек Yggdrasil Decision Forest C++. Модели, обученные с помощью TF-DF, совместимы с моделями Yggdrasil Decision Forests, и наоборот.
К сожалению, TF-DF еще не доступен для Mac (#16) или Windows (#3) , мы работаем над этим.
Ключевые слова: леса решений, TensorFlow, случайный лес, деревья с градиентным усилением, CART, интерпретация модели.
Документация и ресурсы
Доступны следующие ресурсы:
Сообщество
Содействие
Вклад в TensorFlow Decision Forests и Yggdrasil Decision Forests приветствуется. Если вы хотите внести свой вклад, обязательно ознакомьтесь с руководством разработчика .