我是靠谱客的博主 美丽汽车,这篇文章主要介绍sklearn决策树结果可视化一.代码二.运行结果,现在分享给大家,希望可以做个参考。

《老饼讲解机器学习》http://ml.bbbdata.com/teach#95

目录

一.代码

二.运行结果


sklearn中,训练完决策树后,将决策树可视化,更容易帮助我们了解模型的训练结果。

决策树图形化 需要先通过pip安装graphviz包: pip install graphviz

仍然使用《分类:一个简单的决策树例子》中的例子:

一.代码

复制代码
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
from sklearn.datasets import load_iris from sklearn import tree import graphviz #----------------数据准备---------------------------- iris = load_iris() # 加载数据 #---------------模型训练---------------------------------- clf = tree.DecisionTreeClassifier() # sk-learn的决策树模型 clf = clf.fit(iris.data, iris.target) # 用数据训练树模型构建() r = tree.export_text(clf, feature_names=iris['feature_names']) dot_data = tree.export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True) graph = graphviz.Source(dot_data) graph #显示图形。(如果没显示,则需要独立运行这一句) #graph.render("iris") #将图形保存为iris.pdf文件。 #graph.view() # 直接打开pdf文件展示

备注:

(1)如果报错 failed to execute ['dot', '-Tsvg'], make sure the Graphviz executables are on your systems' PATH,请查看《运行graphviz报错解决方案》

(2)如果没显示以下图形,则独立运行最后一句 graph

二.运行结果

通过图形化,我们可以清晰的看到:

初始根节点有150个样本,每个类别各有50个样本。gini系数为0.667,节点属于setosa类别 。
根节点以petal_length<=2.45划为左节点,共50个样本,全部第1类。该节点极纯,gini系数为0。 根据这50个样本所属类别,该节点被判为setosa.
根节点petal_length>2.45划为右节点,共100个样本,2类和3类各50个。该节点gini系数为0.5(即随便抽两个样本,属于不同类别的可能性为0.5)。根据这100个样本,该节点被判为versicolor类。

画出图后,可以清晰看到整个树的构建过程和树最后的结构,便于我们分析模型和模型优化。 

《老饼讲解机器学习》http://ml.bbbdata.com/teach#95

最后

以上就是美丽汽车最近收集整理的关于sklearn决策树结果可视化一.代码二.运行结果的全部内容,更多相关sklearn决策树结果可视化一内容请搜索靠谱客的其他文章。

本图文内容来源于网友提供,作为学习参考使用,或来自网络收集整理,版权属于原作者所有。
点赞(96)

评论列表共有 0 条评论

立即
投稿
返回
顶部