Graphviz可视化决策树框架（生成决策树、可视化树）

可视化决策树：安装Graphviz

安装完后要把环境变量添加

关于决策树的数据输入

要求转换成二进制
例如： 
age income student 
y     h      n
m     m      y
s     l      n
转化成
y m s h m l n y
1 0 0 1 0 0 1 0
0 1 0 0 1 0 0 1
0 0 1 0 0 1 1 0

生成决策树

from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import preprocessing
from sklearn import tree
from sklearn.externals.sz import StringIO
allData=open(r'D:\asd.csv','rb') #二进制形式读取数据
reader = csv.reader(allData) 
header = reader.next() #第一行属性名称
feature =[]
label=[]

for row in reader: #每个row是一行内容
	label.append(row[len(row)-1]) #取每一行最后一个值（label)
	rowDict={} #装特征值
	for i in range(1,len(row)-1):
		rowDict[header[i]] = row[i] #对应k/v放入
	feature.append(rowDict)
print(feature)
vec= DictVectorizer() 
dummyX=vec.fit_transform(feature).toarray()#转换成01

print("dummyX:"+str(dummyX))
print(vec.get_feature_names())

lb = preprocessing.LableBinarizer()
dummyY = lb.fit_transform(label)

#X,Y都转换成0,1了
clf = tree.DecisionTreeClassifier(criterion='entropy')
clf = clf.fit(dummyX,dummyY)
print("clf:" + str(clf))

#打印出来树
with open("allInformation.dot",'w') as f:
	f=tree.export_graphviz(clf,feature_names=vec.get_feature_names(),out_file = f )

#预测 
newrow = [ ]
pre = clf.predict(newrow)

可视化树

在命令行行输入:
dot -T pdf allInformation.dot -o output.pdf

本文地址：https://blog.csdn.net/Hanpi_learnc/article/details/107057034