机器学习：决策树(四) —— sklearn决策树的使用及其可视化

一、简介

    基于sklearn的决策树使用很简单，使用DecisionTreeClassifier类即可

    进一步，我们希望将该树可视化出来，这时需要用到sklearn中tree.export_graphviz函数和graphviz模块.

    Graphviz是一个开源的图形可视化软件。图可视化是将结构信息表示为抽象图和网络图的一种方法。它在网络、生物信息学、软件工程、数据库和网页设计、机器学习以及其他技术领域的可视化接口方面有重要的应用。

    python 中有相对应的graphviz模块。但是我们不仅需要在python中成功安装graphviz，还要在系统中安装graphviz，并在系统路径里添加配置(控制面板——》系统——》高级系统设置——》系统属性——》高级——》环境变量——》系统变量——》Path中添加：

    C:\Program Files (x86)\Graphviz2.38\bin;

    如果是Ubuntu系统，可使用命令 sudo apt-get install graphviz 安装；

    如果是Windows系统，则去官网下载安装包，目前稳定版是graphviz-2.38.msi或graphviz-2.38.zip;

    如果是Mac系统，可以通过Homebrew安装。
 

二、代码实现

#%%
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz
#%%
data = load_iris() 
features = data['feature_names']
x = data['data']
y = data['target']
data_train, data_val, label_train, label_val = train_test_split(x,y,test_size=0.2)

mytree= DecisionTreeClassifier()
mytree.fit(data_train, label_train)

label_pred = mytree.predict(data_val)

print(classification_report(label_val, label_pred))
dot_data = export_graphviz(mytree, out_file=None)
graph = graphviz.Source(dot_data)
graph.render("iris")     //将图像存到iris.pdf中

 输出结果为：

三、参考资料

【1】https://blog.csdn.net/weixin_39059031/article/details/81431152

【2】https://blog.csdn.net/lizzy05/article/details/88529030