sklearn決策樹應用及可視化

from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier

1.載入iris數據集（from sklearn import datasets）

 

x = iris.data[:,[0,2]]   # x = iris.data[:, 0:2]
y = iris.target

2.設置訓練集中的數據和標簽（x是特征集合，二維數組，y是標簽值集合，一維數組）

 

clf = DecisionTreeClassifier(max_depth = 3)
clf.fit(x,y)

3.訓練模型（DecisionTreeClassifier涉及到參數max_depth及其他，參考sklearn）

 

最后，是決策樹的可視化，預備工作為：

　　　　scikit-learn中決策樹的可視化一般需要安裝graphviz。主要包括graphviz的安裝和python的graphviz插件的安裝。

　　　　第一步是安裝graphviz。下載地址在：http://www.graphviz.org/。如果你是linux，可以用apt-get或者yum的方法安裝。如果是windows，就在官網下載msi文件安裝。無論是linux還是windows，裝完后都要設置環境變量，將graphviz的bin目錄加到PATH，比如我是windows，將C:/Program Files (x86)/Graphviz2.38/bin/加入了PATH

　　　　第二步是安裝python插件graphviz： pip install graphviz

　　　　第三步是安裝python插件pydotplus。這個沒有什么好說的: pip install pydotplus

　　　　這樣環境就搭好了，若仍然找不到graphviz，可以在代碼里面加入這一行：

　　　　os.environ["PATH"] += os.pathsep + 'C:/Program Files (x86)/Graphviz2.38/bin/'

兩種方法：

（1）生成pdf

import pydotplus 
dot_data = tree.export_graphviz(clf, out_file=None) 
graph = pydotplus.graph_from_dot_data(dot_data) 
graph.write_pdf("iris.pdf") 

（2）直接在jupyter中顯示

from IPython.display import Image  
from sklearn import tree
import pydotplus 
import os
os.environ["PATH"] += os.pathsep + 'C:/Program Files (x86)/Graphviz2.38/bin/'
dot_data = tree.export_graphviz(clf, out_file=None, 
                         feature_names=["sepal length","sepal width"],  
                         class_names=iris.target_names,  
                         filled=True, rounded=True,  
                         special_characters=True)  
graph = pydotplus.graph_from_dot_data(dot_data)  
Image(graph.create_png())

 

文章參考：https://www.cnblogs.com/pinard/p/6056319.html