小编rit*_*ol1的帖子

我想实现一个简单的随机森林回归来预测值。输入是具有多个功能的一些样本，标签是一个值。但是，我找不到有关随机森林回归问题的简单示例。因此，我看到的文件tensorflow，我发现：

可以训练和评估随机森林的估算器。例：

  python
  params = tf.contrib.tensor_forest.python.tensor_forest.ForestHParams(
      num_classes=2, num_features=40, num_trees=10, max_nodes=1000)
  # Estimator using the default graph builder.
  estimator = TensorForestEstimator(params, model_dir=model_dir)
  # Or estimator using TrainingLossForest as the graph builder.
  estimator = TensorForestEstimator(
      params, graph_builder_class=tensor_forest.TrainingLossForest,
      model_dir=model_dir)
  # Input builders
  def input_fn_train: # returns x, y
    ...
  def input_fn_eval: # returns x, y
    ...
  estimator.fit(input_fn=input_fn_train)
  estimator.evaluate(input_fn=input_fn_eval)
  # Predict returns an iterable of dicts.
  results = list(estimator.predict(x=x))
  prob0 = results[0][eval_metrics.INFERENCE_PROB_NAME]
  prediction0 = results[0][eval_metrics.INFERENCE_PRED_NAME]

但是，当我按照示例进行操作时，出现了错误prob0 = results[0][eval_metrics.INFERENCE_PROB_NAME]，该错误表明：

Example conversion: …