画出sklearn中的决策树的图

2024-07-10 19:36| 来源: 网络整理| 查看: 265

经常会使用sklearn中的决策树进行机器学习，比如分类，不过很想对其结果进行可视化，话不多说直接上分类树的代码：

import numpy as np import pandas as pd from sklearn.tree import DecisionTreeClassifier from sklearn.tree import export_graphviz ##准备数据 X=[np.random.rand(5) for i in range(200)] y=[int(np.random.rand()*5) for i in range(200)] feature_names=['A','B','C','D','E'] class_names=['qingtong','huangjin','baijin','zuanshi','xingyao'] #训练 tree=DecisionTreeClassifier(max_depth=3,random_state=234) tree.fit(X,y) ##导出dot文件 export_graphviz( tree, out_file="C:\\honor_tree.dot", feature_names=feature_names, class_names=class_names, rounded=True, filled=True )

运行成功后会出现一个dot文件：honor_tree.dot

想要显示出来这个文件里面的图，需要安装graphviz

这个有windows版的，支持很多个系统

我下的是win版的，很小就几兆

安装成功后，就能在命令行下转生成图像了：

C:\>dot -Tpng honor_tree.dot -o honor_tree.png

结果会生成一个名为honor_tree.png的图片，效果如下：

当然也可以做成回归树：

import numpy as np import pandas as pd from sklearn.tree import DecisionTreeRegressor from sklearn.tree import export_graphviz ##准备数据 X=[np.random.rand(5) for i in range(200)] y=[np.random.rand()*50 for i in range(200)] feature_names=['A','B','C','D','E'] #训练 tree=DecisionTreeRegressor(max_depth=3,random_state=234) tree.fit(X,y) ##导出dot文件 export_graphviz( tree, out_file="C:\\honor_tree_re.dot", feature_names=feature_names, rounded=True, filled=True )

类似的方式生成图片：

C:\>dot -Tpng honor_tree_re.dot -o honor_tree_re.png

结果如下：

【本文地址】

公司简介

联系我们