基礎環境：
anaconda3-5.2.0
python3.6
win10x64
pip3 install graphviz
pip3 install pydotplus
# -*- coding: utf-8 -*-
"""created on wed jul 31 16:51:08 2019
@author: 86182
"""from sklearn.datasets import load_iris
from sklearn import tree
import pydotplus
#用於劃分訓練集與測試集
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
#載入資料
iris = load_iris()
#劃分訓練集與測試集
(training_inputs, testing_inputs, training_classes, testing_classes)
=train_test_split(iris.data, iris.target,test_size=0.4, random_state=1)
# 構建模型
clf = tree.decisiontreeclassifier()
clf = clf.fit(training_inputs, training_classes)
#測試值**
y_predict = clf.predict(testing_inputs)
#**值和測試值打分
score = classification_report(testing_classes, y_predict)
print(score)
# 儲存模型
with open("iris.dot", 'w') as f:
f = tree.export_graphviz(clf, out_file=f)
# 畫圖，儲存到pdf檔案
# 設定影象引數
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)
# 儲存影象到pdf檔案
python實現決策樹和視覺化決策樹
一.python實現決策樹 from sklearn import tree from sklearn.datasets import load wine from sklearn.model selection import train test split 匯入資料集,這裡用的是自帶的酒的資料 ...
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...
決策樹視覺化
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.datase...