内容简介:上一篇决策树学习的文章中讲到决策树其中的一个优点是决策树模型可以可视化,非常直观。今天就一起来学习下如何使用决策树将模型可视化出来。决策树的可视化一般使用的工具是Graphviz。在使用Graphviz之间还是有些门道。具体流程为:这里生成的iris.dot是一个纯文本文件,可直接打开查看,但是为了更好的可视化,可以使用graphviz可执行包中的dot程序将其转化为可视化的PDF文档。具体方法为执行如下命令:
上一篇决策树学习的文章中讲到决策树其中的一个优点是决策树模型可以可视化,非常直观。今天就一起来学习下如何使用决策树将模型可视化出来。
决策树的可视化一般使用的 工具 是Graphviz。在使用Graphviz之间还是有些门道。具体流程为:
- 安装 Graphviz的可执行包 ,并在环境变量的PATH添加安装路径
- 安装需要的 Python 库: pip install graphviz ,并在代码中使用graphviz
方法一:使用export_graphviz 将树导出为 Graphviz 格式
from sklearn import tree from sklearn.datasets import load_iris # 载入sklearn中自带的数据Iris,构造决策树 iris = load_iris() clf = tree.DecisionTreeClassifier() clf = clf.fit(iris.data, iris.target) # 训练完成后,我们可以用 export_graphviz 将树导出为 Graphviz 格式,存到文件iris.dot中 with open("iris.dot", 'w') as f: f = tree.export_graphviz(clf, out_file=f)
这里生成的iris.dot是一个纯文本文件,可直接打开查看,但是为了更好的可视化,可以使用graphviz可执行包中的dot程序将其转化为可视化的PDF文档。具体方法为执行如下命令: dot - Tpdf iris . dot - o iris . pdf
方法二:使用 pydotplus 直接生成 iris.pdf
先安装pydotplus的Python库: pip install pydotplus ,然后就可以执行执行如下代码生成PDF文档了:
import pydotplus dot_data = tree.export_graphviz(clf, out_file=None) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_pdf('iris.pdf')
方法三:直接在 jupyter notebook 中生成
import graphviz from sklearn.datasets import load_iris from sklearn import tree clf = tree.DecisionTreeClassifier() iris = load_iris() clf = clf.fit(iris.data, iris.target) dot_data = tree.export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True) graph = graphviz.Source(dot_data) graph
或
from IPython.display import Image dot_data = tree.export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True) graph = pydotplus.graph_from_dot_data(dot_data) Image(graph.create_png())
以上所述就是小编给大家介绍的《决策树的可视化呈现》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- AI“黑箱”难题获新突破,MIT研究人员实现AI决策可视化
- 决策树学习笔记(三):CART算法,决策树总结
- 构建新零售决策大脑:从数据分析到智能决策
- 【机器学习】决策树
- 决策树算法及实现
- 机器学习:决策树
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。