同學(xué)們好

決策樹的可視化,我以為之前介紹的方法已經(jīng)夠驚艷了（決策樹可視化，被驚艷到了！），沒想到最近又發(fā)現(xiàn)了一個更驚艷的，而且更逼真，話不多說，先看效果圖↓

直接繪制隨機森林也不在話下

下面就向大家介紹一下這個神器 —— pybaobabdt

安裝GraphViz

pybaobabdt依賴GraphViz，首先下載安裝包

http://www.graphviz.org/download/

http://www.graphviz.org/download/

2、雙擊msi文件，然后一直選擇next（默認安裝路徑為C:\Program Files (x86)\Graphviz2.38\），安裝完成之后，會在windows開始菜單創(chuàng)建快捷信息。

3、配置環(huán)境變量：計算機→屬性→高級系統(tǒng)設(shè)置→高級→環(huán)境變量→系統(tǒng)變量→path，在path中加入路徑：

4、驗證：在windows命令行界面，輸入dot -version，然后按回車，如果顯示如下圖所示的graphviz相關(guān)版本信息，則安裝配置成功。

安裝pygraphviz和pybaobabdt

pip直接安裝pygraphviz的話，大概率會報錯，建議下載whl文件本地安裝。

https://www.lfd.uci.edu/~gohlke/pythonlibs

pybaobabdt就簡單了，直接pip install pybaobabdt 即可

pybaobabdt用法

pybaobabdt 用起來也簡單到離譜，核心命令只有一個pybaobabdt.drawTree,下面是官方文檔示例代碼，建議在jupyter-notebook中運行。

import?pybaobabdt import?pandas?as?pd from?scipy.io?import?arff from?sklearn.tree?import?DecisionTreeClassifier from?matplotlib.colors?import?LinearSegmentedColormap from?matplotlib.colors?import?ListedColormap from?colour?import?Color import?matplotlib.pyplot?as?plt import?numpy?as?npdata?=?arff.loadarff('vehicle.arff') df???=?pd.DataFrame(data[0]) y?=?list(df['class']) features?=?list(df.columns)features.remove('class') X?=?df.loc[:,?features]clf?=?DecisionTreeClassifier().fit(X,?y)ax?=?pybaobabdt.drawTree(clf,?size=10,?dpi=72,?features=features,?colormap='Spectral')

這個圖怎么看呢？

不同的顏色對應(yīng)不同的分類（target），每個分叉處都標記了分裂的條件，所以劃分邏輯一目了然。樹的深度也是工整的體現(xiàn)了出來。

樹枝的直徑也不是擺設(shè)，而是代表了樣本的個數(shù)（比例），該劃分條件下的樣本越多，樹干也就越粗。

你是發(fā)現(xiàn)最最底層的樹枝太細太脆弱的時候，是不是應(yīng)該考慮一下過擬合風(fēng)險，比如需要調(diào)整一下最小樣本數(shù)？

繪制隨機森林

import?pybaobabdt import?pandas?as?pd from?scipy.io?import?arff import?matplotlib.pyplot?as?plt from?sklearn.ensemble?import?RandomForestClassifier data?=?arff.loadarff('vehicle.arff')df?=?pd.DataFrame(data[0]) y?=?list(df['class']) features?=?list(df.columns) features.remove('class') X?=?df.loc[:,?features]clf?=?RandomForestClassifier(n_estimators=20,?n_jobs=-1,?random_state=0) clf.fit(X,?y) size?=?(15,15) plt.rcParams['figure.figsize']?=?size fig?=?plt.figure(figsize=size,?dpi=300)for?idx,?tree?in?enumerate(clf.estimators_):ax1?=?fig.add_subplot(5,?4,?idx+1)pybaobabdt.drawTree(tree,?model=clf,?size=15,?dpi=300,?features=features,?ax=ax1)fig.savefig('random-forest.png',?format='png',?dpi=300,?transparent=True)

怎么用，是不是很酷，趕緊去試試吧！
如有收獲，可否在看、收藏、轉(zhuǎn)發(fā)一下？感謝~

參考：https://mp.weixin.qq.com/s/uIazCL9SjNDguu59up5KjA

END

各位伙伴們好，詹帥本帥搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數(shù)據(jù)類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環(huán)和各種表達式（長文系列第②篇）

牛逼！Python函數(shù)和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結(jié)

以上是生活随笔為你收集整理的属实逼真，决策树可视化！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。