决策树可视化的两种方法

一、导入数据集并进行训练

# 引入数据集

from sklearn.datasets import load_iris
from sklearn import tree
from sklearn.tree import DecisionTreeClassifier     
import matplotlib.pyplot as plt

iris = load_iris()
iris_feature = iris.data #特征数据
iris_target = iris.target #分类数据

print (iris.data)         
print (iris.target)       
clf = DecisionTreeClassifier()      
clf.fit(iris.data, iris.target)     

# 获取花卉两列数据集
X = iris.data
L1 = [x[0] for x in X]
L2 = [x[1] for x in X]
 

    #绘图
plt.scatter(X[:50, 0], X[:50, 1], color='red', marker='o', label='setosa')
plt.scatter(X[50:100, 0], X[50:100, 1], color='blue', marker='x', label='versicolor')
plt.scatter(X[100:, 0], X[100:, 1], color='green', marker='s', label='Virginica')
plt.title("DTC")
plt.xlabel('Sepal length')
plt.ylabel('Sepal width')

plt.xticks(())
plt.yticks(())
plt.legend(loc=2)
plt.show()

import pandas
#导入数据集iris
url = "https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data"
names = ['sepal-length', 'sepal-width', 'petal-length', 'petal-width', 'class']
dataset = pandas.read_csv(url, names=names) 
print(dataset.describe())

dataset.hist()
plt.show()
 

二、决策树可视化，方法有两种

方法一：

with open('tree.dot','w') as f:
    f = tree.export_graphviz(clf, out_file=f,
                     feature_names=iris.feature_names,
                     class_names=iris.target_names,
                     filled=True, rounded=True,
                     special_characters=True)

运行代码后，在文件夹里会有一个tree.dot文件，安装graphviz（去官网下载graphviz安装文件），然后在命令行中编译 dot -Tpdf tree.dot -o tree.pdf。在文件夹里打开pdf文件就可以看到决策树图。

方法二：

直接生成pdf可视化结果。调试过程中遇到six包和pydot包的两个问题， 输入下面修改后的代码。

#from sklearn.externals.six import StringIO #新版本中可以直接从six包中导入StringIO
from six import StringIO

#import pydot #运行最后一行代码时，总是报错，把pydot库改为pydotplus库
import pydotplus  

dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data,
                     feature_names=iris.feature_names,
                     class_names=iris.target_names,
                     filled=True, rounded=True,
                     special_characters=True)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
print(len(graph))  # 1
print(graph)  # [<pydot.Dot object at 0x000001F7BD1A9630>]
print(graph[0])  # <pydot.Dot object at 0x000001F7BD1A9630>
# graph.write_pdf("iris.pdf")
graph[0].write_pdf("iris.pdf")

graph[0].write_pdf（）

最后

以上就是可靠画笔为你收集整理的决策树可视化的两种方法的全部内容，希望文章能够帮你解决决策树可视化的两种方法所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。