決策樹模型分類標準視覺化

樹模型：

dtree = tree.decisiontreeregressor(max_depth = 2,min_samples_leaf = 500,min_samples_split = 5000)

dtree = dtree.fit(x,y)

import pydotplus 

from ipython.display import image
from sklearn.externals.six import stringio
import os
with open(path + "dt.dot", "w") as f:
tree.export_graphviz(dtree, out_file=f)
dot_data = stringio()
tree.export_graphviz(dtree, out_file=dot_data,
feature_names=x.columns,
class_names=['bad_ind'],
filled=true, rounded=true,
special_characters=true)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue()) 
image(graph.create_png())

原來模型是自己這樣分的：[乙個司機加油貸款風控分類]第乙個分類為amount_tot是否小於48077.5，代表總費用，壞賬率界點0.047；第二個是pay_amount_num是否小於3.5，代表支付次數。此外因為深度其實只是2，引數變這個分類節點也要跟著變，要看業務場景需要壞賬率落在哪。

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...

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，...