用graphviz視覺化決策樹

python上有支援graphviz使用 的import graphviz

import pydotplus

from ipython.display import image

這樣環境就搭好了，有時候python會很笨，仍然找不到graphviz，這時，可以在**裡面加入這一行：

os.environ["path"] += os.pathsep + 'c:/program files (x86)/graphviz2.38/bin/'

注意後面的路勁是你自己的graphviz的bin目錄。

#用決策樹建模

clf = tree.decisiontreeclassifier() #

預設的選取最優節點的標準是基尼係數，若想使用資訊增益則為entropy
clf =clf.fit(xtrain, ytrain)
score = clf.score(xtest, ytest) #
返回**的準確度
print
(str(clf))
print(score)

#用graphviz會畫得決策樹(沒有解決中文亂碼的問題？？？十分苦惱)

輸出pdf至專案資料夾：

import

pydotplus
import
osfrom sklearn.externals.six import
stringio
os.environ[
"path
"] += os.pathsep + '
e:\graphviz\bin
'dot_data =stringio()
tree.export_graphviz(clf #模型
,feature_names= feature_name  #
tez                            ,class_names=["
琴酒","
雪莉","
貝爾摩德
"] #
類別名                            ,filled=true    #
由顏色標識不純度
,rounded=true   #
樹節點為圓角矩形
,out_file=dot_data
)graph =pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf(
"wine.pdf
") #

生成tree.dot檔案，再用graphviz生成：

#生成tree.dot檔案

with open("
tree.dot
", 'w'
) as f:
f =tree.export_graphviz(clf
, feature_names = feature_name  #
tez                            , class_names = ["
琴酒", "
雪莉", "
貝爾摩德
"]  #
類別名                            , filled = true  #
由顏色標識不純度
, rounded = true  #
樹節點為圓角矩形
,out_file=f)

a）通過graphviz的exe程式匯入dot檔案生成相對應的png或者pdf檔案

b）通過命令列dot -tpdf tree.dot -o output.pdf，dot -tpng tree.dot -o output.png將dot檔案生成png或者pdf檔案

graphviz視覺化決策樹安裝配置

一 windows安裝 安裝graphviz軟體 配置環境變數 把bin資料夾的路徑加入到環境變數path裡 安裝python的graphviz模組 pip install graphviz 二 linux centos7安裝 安裝python的graphviz模組 pip install 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...

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 ...