決策樹視覺化
決策樹的程式設計實戰
使用鳶尾花卉資料集訓練一棵決策樹，並繪製出來：
程式如下：
'''
使用鳶尾花卉資料集來訓練決策樹
'''from
sklearn.datasets
import
load_iris
from
sklearn
import
tree
iris=load_iris()
clf=tree.decisiontreeclassifier()
clf=clf.fit(iris.data,iris.target)
tree.export_graphviz(clf,
'/tree.dot'
)執行完上面程式後，會在
e：下生成乙個
tree檔案
如圖：
輸入win+r
，輸入框中現實的命令，如下所示：
執行完成後，會在
e：下生成乙個
pdf文件，如圖：
開啟pdf
便是繪製的決策樹，如圖：
注意，在這之前要先安裝好
graphviz
文件：解釋python**
安裝 graphviz
： 配置環境變數 轉化
dot檔案至
pdf視覺化決策樹：
dot.exe–tpdf e:/ tree.dot -o e:/tree.pdf
環境變數配置：
這樣就完成了整個過程。
如果是linux
作業系統，以
ubuntu
為例，首先安裝
graphviz
工具，輸入下面命令：
sudo apt-get install graphviz
便可完成安裝
然後，對於下面的程式執行完後：
from
sklearn.datasets
import
load_iris
from
sklearn
import
tree
iris=load_iris()
clf=tree.decisiontreeclassifier()
clf=clf.fit(iris.data,iris.target)
tree.export_graphviz(clf,
'./tree.dot')
會在當前目錄下生成乙個檔名為
tree.dot
檔案，如圖所示：
再在終端用
dot命令生成
pdf檔案即可，命令如下：
這樣便在目錄下產生了如上所示的tree.pdf
檔案，檔案內容與windows
中的一樣。
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
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 ...
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，...