被驚艷到了！決策樹可視化

目前無論是機器學習競賽還是工業界,最流行、應用最廣泛的xgboost其實是優化后的GBDT（LightGBM里面的boosting比較經典穩定的也是GBDT哦！），而GBDT的基分類器最常用的就是CART決策樹！掌握決策樹，對理解之后的GBDT、LightGBM都有大有裨益。

可視化的方式理解決策樹，對深刻理解這個模型很有幫助。大家最熟知的決策樹可視化實現方式是下面這種：

dot_data = export_graphviz(
    clf,
    out_file=None,
    feature_names=df.columns[:-1],
    class_names=["good", "bad"],
    filled=True,
    rounded=True,
    special_characters=True,
)
graph2 = pydotplus.graph_from_dot_data(dot_data)
graph2.write_png("./pics/tree.png")

這種方法很好地展示了樹的結構，但並不完美：
1、基尼系數會占用圖中的空間，並且不利於解釋
2、每個節點中各目標類別的樣本數不夠直觀

今天向大家介紹一個更為驚艷的決策樹可視化庫——dtreeviz ，我們直接看幾張效果圖

dtreeviz有以下特色：

• 利用有顏色的目標類別圖例
• 葉子大小與該葉子中的樣本數成正比
• 將≥和<用作邊緣標簽，看起來更清晰
• 決策節點利用堆疊直方圖展示特征分布，每個目標類別都會用不同的顏色顯示
• 在每個節點中各目標類別的樣本數都用直方圖的形式，這樣可以提供更多信息

dtreeviz同樣依賴GraphViz，其安裝配置方法可以參考我之前的文章（決策樹的可視化）

GraphViz 搞定后，安裝dtreeviz即可

pip install dtreeviz             # install dtreeviz for sklearn
pip install dtreeviz[xgboost]    # install XGBoost related dependency
pip install dtreeviz[pyspark]    # install pyspark related dependency
pip install dtreeviz[lightgbm]   # install LightGBM related dependency

使用也很簡單

bingo