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.datasets import load_iris
from sklearn.tree import decisiontreeclassifier
dataset = load_iris(
)x = dataset.data
y = dataset.target
model = decisiontreeclassifier(max_depth=3)
model.fit(x, y)
from sklearn.tree import export_graphviz
export_graphviz(
model,
out_file=
'iris_tree.dot'
, feature_names=dataset.feature_names,
class_names=dataset.target_names,
rounded=
true
, filled=
true
)
我們再把 max_depth 設定得大一些，看看最後生成的決策樹長什麼樣？
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，...
python 決策樹 視覺化
對於 cart 回歸樹的視覺化，可以先在電腦上安裝 graphviz 然後 pip install graphviz，這是安裝python的庫，需要依賴前面安裝的 graphviz。視覺化 如下 from sklearn.tree import export graphviz import grap...