Scikit learn 決策樹視覺化

2021-08-18 20:56:30 字數 1184 閱讀 1917

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,在這裡整理一下怎麼讓生成的決策樹視覺化。

決策樹的視覺化需要用到graphviz和pydotplus,然而graphviz除了在python裡pip安裝模組,還需要在電腦中安裝graphviz軟體。

2、配置環境變數。根據剛剛安裝的路徑配置,比如我的是d:\english\graphviz2.38\bin,要注意配置的路徑是bin目錄;

3、安裝python外掛程式graphviz,這個就直接在命令列裡pip install graphviz;

4、安裝python外掛程式pydotplus,也是直接pip install pydotplus。

首先載入所需的模組:

from sklearn.tree import export_graphviz

from sklearn import tree

import pydotplus

簡單生成乙個基本模型:

x = [[0, 0], [1, 1]]

y = [0, 1]

clf = tree.decisiontreeclassifier()

clf = clf.fit(x, y)

接下來該我們安裝的兩個模組派上用場:

dot_data = tree.export_graphviz(clf, out_file=none) 

graph = pydotplus.graph_from_dot_data(dot_data)

最後,可以根據需求生成所需的檔案格式:

graph.write_png("tree.png")	# 生成png檔案

graph.write_jpg("tree.jpg") # 生成jpg檔案

graph.write_pdf("tree.pdf") # 生成pdf檔案

如此即可在當前目錄中找到我們想要的決策樹啦~

Scikit Learn與決策樹

scikit learn 決策樹 可以用於方法分類和回歸。一 分類 sklearn.tree.decisiontreeclassifier criterion gini splitter best max depth none,min samples split 2,min samples leaf...

決策樹演算法實現(scikit learn)

sk learn的決策樹文件 決策樹的演算法介紹 在 mac os x 中安裝與使用 graphviz 圖形視覺化工具 決策樹歸納演算法 id3 優先選擇資訊獲取量最大的屬性作為屬性判斷結點 資訊獲取量 information gain gain a info d infor a d age屬性資訊...

02 25 scikit learn庫之決策樹

目錄二 decisiontreeregressor 人工智慧從入門到放棄完整教程目錄 在scikit learn庫中決策樹使用的cart演算法,因此該決策樹既可以解決回歸問題又可以解決分類問題,即下面即將講的decisiontreeclassifier和decisiontreeregressor兩個...