Python决策树图形输出

使用决策树建模时，我们需要将决策树输出出来，以直观的展示各决策节点，简单分享一下我的学习笔记。

1. 建立模型

# 导入库

from sklearn.datasets import load_iris

from sklearn import tree

iris = load_iris()



# 建立并训练模型

clf = tree.DecisionTreeClassifier(max_depth=3)

clf.fit(iris.data, iris.target)

2. 输出决策树

# 输出决策树文件.dot

tree.export_graphviz(clf, out_file='tree.dot')

然后需要将tree.dot 文件转化为tree.png。

转化方法：win+r，输入cmd，回车，打开命令输入窗 输入：dot -T png tree.dot -o tree.png，即可在同一文件夹下得到 tree.png文件。

如下图：

上一步操作请确保电脑中已安装Graphviz，并已将Graphviz下的bin目录地址添加到了环境变量中。

Graphviz下载地址： https://graphviz.gitlab.io/_pages/Download/Download_windows.html ，下载.msi文件双击安装。

环境变量的添加方法：参照： https://jingyan.baidu.com/article/a24b33cd7005d719fe002b09.html ，例如我的 Graphviz路径：C:\Program Files\Graphviz2.38\bin

3. 显示决策树

# 在Jupyter中显示出来

%pylab inline

from IPython.display import Image

Image('tree.png')

显示如下：

可以看到首要决策因素是X[3]，将列名打印出来

iris.feature_names[3]

输出：'petal width (cm)'，即花瓣的宽度。

还可以在Markdown中使用  命令在Jupyter中插入本地图片，但是这种方法在将.ipynb文件保存为.html文件时图片可能显示不出来（见附件）！！

感谢你长得这么好看还关注我的博客，^_^

转载请注明出处：

作者：胡湛鹏

博客： https://ask.hellobi.com/blog/okajun

• dot_2_png.zip

本文由okajun 创作，采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。

转载、引用前需联系作者，并署名作者且注明文章出处。

本站文章版权归原作者及原出处所有 。内容为作者个人观点， 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台，并不用于任何商业目的，如果有任何问题，请及时联系我们，我们将根据著作权人的要求，立即更正或者删除有关内容。本站拥有对此声明的最终解释权。