sklearn 決策樹視覺化

來自google developer 的machine learning recipes with josh gordon

youtube鏈結

這裡使用了lris_flower_data_set

生成了乙個認花的小樹

import numpy as np

from sklearn.datasets import load_iris
from sklearn import tree
iris = load_iris()
test_idx=[0,50,100]
#train data
train_target =np.delete(iris.target,test_idx)
train_data = np.delete(iris.data,test_idx,axis = 0)
#testing fata
test_target = iris.target[test_idx]
test_data = iris.data[test_idx]
clf = tree.decisiontreeclassifier()
clf.fit(train_data,train_target)
print(clf.predict(test_data))

[0

12]

可以pip安裝

首先需要pip安裝graphviz包

pip install graghviz

runtimeerror: failed to execute ['dot', '-tpdf', '-o', 'test-output/round-table.gv'], make sure the graphviz executables are on

your
systems
' path

conda install graphviz

決策樹視覺化

決策樹相比其他演算法的乙個重要特性就是 可解釋性，構建決策樹的過程就相當於形成 if then 規則集。如果我們能夠將生成的決策樹視覺化，那麼我們就可以對資料集與 值之間的關係有清晰的認識。首先，我們以 sklearn.datasets 包中的鳶尾花資料集為例。from sklearn.datase...

Sklearn 決策樹視覺化 （未完成）

個人總結困難之處有三點 1 屬性存在二元屬性 標稱屬性 序數屬性 連續屬性四種，訓練方式沒有視覺化比較混亂 2 每個步驟有足夠的意義，所以需要觀察分類過程 3 不同於難以解釋的神經網路，或者分離超平面可以用乙個式子表達，決策樹劃分結果通常需要語言描述 1 等高線方法，只能觀察兩種特徵值對結果的影響，...

Scikit learn 決策樹視覺化

平常網上看到的關於決策樹的scikit learn教程大都是直接給出容器的訓練 clf tree.decisiontreeclassifier clf clf.fit x,y clf.predict 然而有時候要的不只是 資料的結果，選擇決策樹還想要看到訓練出來的決策樹是什麼樣的。於是經過各種搜尋，...