PythonでブーストされたツリーでTensorflowをどのように使用できますか？

Tensorflowをブーストされたツリーとともに使用して、データセットの予測パフォーマンスを向上させることができます。データが読み込まれ、通常の方法で前処理されますが、予測が行われると、複数のモデルが予測に使用され、これらすべてのモデルの出力が組み合わされて最終結果が得られます。

続きを読む： TensorFlowとは何ですか？KerasはTensorFlowとどのように連携してニューラルネットワークを作成しますか？

Keras Sequential APIを使用します。これは、すべてのレイヤーに1つの入力テンソルと1つの出力テンソルがあるプレーンスタックのレイヤーを操作するために使用されるシーケンシャルモデルの構築に役立ちます。

少なくとも1つの層を含むニューラルネットワークは、畳み込み層と呼ばれます。畳み込みニューラルネットワークを使用して、学習モデルを構築できます。

Google Colaboratoryを使用して、以下のコードを実行しています。 Google ColabまたはColaboratoryは、ブラウザー上でPythonコードを実行するのに役立ち、構成が不要で、GPU（グラフィックプロセッシングユニット）に無料でアクセスできます。 ColaboratoryはJupyterNotebookの上に構築されています。

デシジョンツリーとtf.estimatorAPIを使用して勾配ブースティングモデルをトレーニングする方法を説明します。 Boosted Treesモデルは、分類だけでなく回帰のための最も一般的で効果的な機械学習アプローチと見なされています。これは、多くの（10、100、または1000）ツリーモデルからの予測を組み合わせたアンサンブル手法です。これらは、最小限のハイパーパラメータ調整とともに印象的なパフォーマンスを実現するのに役立ちます。

例

import numpy as np
import pandas as pd
from IPython.display import clear_output
from matplotlib import pyplot as plt
print("Load the dataset")
dftrain = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/train.csv')
dfeval = pd.read_csv('https://storage.googleapis.com/tf-datasets/titanic/eval.csv')
print("Delete the column 'survived'")
y_train = dftrain.pop('survived')
y_eval = dfeval.pop('survived')
import tensorflow as tf
tf.random.set_seed(123)

コードクレジット-https：//www.tensorflow.org/tutorials/estimator/boosted_trees

出力

Load the dataset
Delete the column 'survived'

説明

• 必要なpackgaesがインポートされます。
• データセットが読み込まれます。
• csvファイルとして読み取られます。
• 「存続」列が削除されます。