Python中决策树的模型可视化方法
Python中可以使用Graphviz库来可视化决策树模型。以下是具体的步骤:
1.安装Graphviz库:可以使用pip安装,命令如下:
pip install graphviz
2.导入需要的库
from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.model_selection import train_test_split from graphviz import Source
3.加载数据集
这里以鸢尾花数据集为例进行演示
iris = load_iris() X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, random_state=0)
4.训练模型
clf = DecisionTreeClassifier(max_depth=2, random_state=0) clf.fit(X_train, y_train)
5.生成图形化模型
使用export_graphviz函数生成.dot格式的决策树模型表述,然后将其转换为图形化模型。其中,需要指定一些参数,如特征名称、目标名称等。
dot_data = export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True) graph = Source(dot_data) graph.view()
此时,系统会自动弹出一个窗口,显示决策树模型。
可以看到,我们生成了一个带有中文字符的决策树模型。其中,左侧的箭头表示指向小于等于给定值的情况,右侧的箭头表示指向大于给定值的情况。叶子节点则表示决策结果。matplotlib也可用于决策树的绘制,但其不如graphviz方便。
相关文章