Python决策树图形输出

栏目: 编程工具 · 发布时间: 6年前

使用决策树建模时,我们需要将决策树输出出来,以直观的展示各决策节点,简单分享一下我的学习笔记。

1. 建立模型

# 导入库

from sklearn.datasets import load_iris

from sklearn import tree

iris = load_iris()



# 建立并训练模型

clf = tree.DecisionTreeClassifier(max_depth=3)

clf.fit(iris.data, iris.target)

2. 输出决策树

# 输出决策树文件.dot

tree.export_graphviz(clf, out_file='tree.dot')

然后需要将tree.dot 文件转化为tree.png。

转化方法:win+r,输入cmd,回车,打开命令输入窗 输入:dot -T png tree.dot -o tree.png,即可在同一文件夹下得到 tree.png文件。

如下图:

Python决策树图形输出

上一步操作请确保电脑中已安装Graphviz,并已将Graphviz下的bin目录地址添加到了环境变量中。

Graphviz下载地址: https://graphviz.gitlab.io/_pages/Download/Download_windows.html ,下载.msi文件双击安装。

环境变量的添加方法:参照: https://jingyan.baidu.com/article/a24b33cd7005d719fe002b09.html ,例如我的 Graphviz路径:C:\Program Files\Graphviz2.38\bin

3. 显示决策树

# 在Jupyter中显示出来

%pylab inline

from IPython.display import Image

Image('tree.png')

显示如下:

Python决策树图形输出

可以看到首要决策因素是X[3],将列名打印出来

iris.feature_names[3]

输出:'petal width (cm)',即花瓣的宽度。

还可以在Markdown中使用 ![title](tree.png) 命令在Jupyter中插入本地图片,但是这种方法在将.ipynb文件保存为.html文件时图片可能显示不出来(见附件)!!

感谢你长得这么好看还关注我的博客,^_^

转载请注明出处:

作者:胡湛鹏

博客: https://ask.hellobi.com/blog/okajun

本文由okajun 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者,并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。


以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网

查看所有标签

猜你喜欢:

本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们

Python深度学习

Python深度学习

[美] 弗朗索瓦•肖莱 / 张亮 / 人民邮电出版社 / 2018-8 / 119.00元

本书由Keras之父、现任Google人工智能研究员的弗朗索瓦•肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。书中包含30多个代码示例,步骤讲解详细透彻。由于本书立足于人工智能的可达性和大众化,读者无须具备机器学习相关背景知识即可展开阅读。在学习完本书后,读者将具备搭建自己的深度学习环境、建......一起来看看 《Python深度学习》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

XML 在线格式化
XML 在线格式化

在线 XML 格式化压缩工具