决策树可视化-graphviz安装

我们以iris为例：

from sklearn import tree
from sklearn.datasets import load_iris

iris = load_iris()
clf = tree.DecisionTreeClassifier()

 生成如下决策树：

第一步：去官网下载graphviz

建议安装到 自己的anaconda下的  Libsite-packages  里面去

下载连接：Download | Graphviz

第二步：改名字

比如我刚刚安装到了自己的anaconda下的  Libsite-packages 里面，文件名默认是大写的Graphviz，为了方便，我们改为graphviz。

第三步：配置环境变量

在系统、用户环境变量中添加路径：C:Anaconda01Libsite-packagesgraphvizbin

当然如果你在安装时把那个添加环境变量打勾了就不用管了。 

第三步：在对应的python环境下下载graphviz

pip install graphviz

此时，C:Anaconda01Libsite-packagesgraphviz 这个文件发生变化了，里面多了些python文件。

第四步：简单演示

以一组英雄联盟胜负数据为例：连接这里有

from sklearn import tree
from graphviz import sources

DT = tree.DecisionTreeClassifier(criterion='entropy',max_depth=4,min_samples_split=500)
DT = DT.fit(x_train,y_train)

# export_graphviz 还支持各种美化，包括通过他们的类着色节点（或回归值），
# 如果需要，还能使用显式变量和类名。Jupyter notebook也可以自动内联式渲染这些绘制节点:
dot_data = tree.export_graphviz(DT, out_file=None, feature_names=feature_names, class_names=['lose','win'], filled=True, rounded=True, special_characters=True)  

graph = sources.Source(dot_data)  
graph.render("DT") # 保存成pdf
graph

可以看到，左边蓝色方都输了，右边都赢了，中间有输有赢。

此外 graphviz 还有多种用法，可以自己设置节点等，感兴趣的可以自己进行查阅。

最后

以上就是懦弱便当为你收集整理的决策树可视化-graphviz安装的全部内容，希望文章能够帮你解决决策树可视化-graphviz安装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。