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:
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:
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
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
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。
大数据供应链
娜达·R·桑德斯 (Nada R. Sanders) / 丁晓松 / 中国人民大学出版社 / 2015-7-1 / CNY 55.00
第一本大数据供应链落地之道的权威著作,全球顶级供应链管理专家娜达·桑德斯博士聚焦传统供应链模式向大数据转型,助力工业4.0时代智能供应链构建。 在靠大数据驱动供应链处于领先地位的企业中,45% 是零售商,如沃尔玛、亚马逊,而22%是快消企业,如戴尔电脑。他们都前所未有地掌控了自己的供应链。在库存管理、订单履行率、原材料和产品交付上具有更为广阔的视野。利用具有预见性的大数据分析结果,可以使供需......一起来看看 《大数据供应链》 这本书的介绍吧!