python可视化决策树

直接上代码把：

import pandas as pd
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error,r2_score,mean_absolute_error

读取数据：

df=pd.read_csv('housing_data.csv')  #数据是我自己以前爬的房价数据，这里用来演示

切分特征集和标签：

features=df[[column for column in list(df.columns) if column!='ln_unitprice']]
price=df['ln_unitprice']

构造训练集和测试集：

train_f,test_f,train_p,test_p=train_test_split(features,price,test_size=0.33)

构建回归树模型：

dtr=DecisionTreeRegressor()
dtr.fit(train_f,train_p)

接下来就是涉及到怎么将回归树进行可视化的步骤。一般采用的是graphviz软件。
首先，导入响应的包，如果每安装的话，可以先安装，一般在cmd中键入pip install 包名，就可以安装。

from sklearn.tree import export_graphviz
import graphviz

1. 输出回归树的pdf

tree_pic = export_graphviz(dtr, out_file="mytree.pdf")

但是输出结果，我截图如下：

这妥妥的没有树的感觉呀！所以我搜寻了第二种回归树的可视化的方法：
2. 使用pydot进行可视化

from sklearn.externals.six import StringIO
import pydot
dot_data = StringIO()
tree.export_graphviz(dtr, out_file=dot_data,
                        feature_names=features.columns,
                        class_names=price.columns,
                        filled=True, rounded=True,
                        special_characters=True)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
graph[0].write_pdf("housing.pdf")

结果是下面这样的

这样才是一个树的感觉嘛。

但是，第二种方法需要安装graphviz。不然在代码graph[0].write_pdf("housing.pdf")后会报错：FileNotFoundError: [WinError 2] “dot” not found in path。具体的操作方法可以借鉴：windows python3库pydot运行出现：FileNotFoundError: [WinError 2] “dot” not found in path.—完美解决