使用Scikit-Learn为Python中的随机森林绘制树

Question

我想绘制一个随机森林的决策树。所以，我创建以下代码：

clf = RandomForestClassifier(n_estimators=100)
import pydotplus
import six
from sklearn import tree
dotfile = six.StringIO()
i_tree = 0
for tree_in_forest in clf.estimators_:
if (i_tree <1):        
    tree.export_graphviz(tree_in_forest, out_file=dotfile)
    pydotplus.graph_from_dot_data(dotfile.getvalue()).write_png('dtree'+ str(i_tree) +'.png')
    i_tree = i_tree + 1

但它没有产生任何东西..你知道如何从随机森林中绘制决策树吗？

谢谢，

Answer 1

假设已经安装了随机森林模型，首先应首先导入export_graphviz函数：

from sklearn.tree import export_graphviz

在您的for循环中，您可以执行以下操作来生成dot文件

export_graphviz(tree_in_forest,
                feature_names=X.columns,
                filled=True,
                rounded=True)

下一行生成一个png文件

os.system('dot -Tpng tree.dot -o tree.png')

Answer 2

你可以绘制一棵树：

from sklearn.tree import export_graphviz
from IPython import display
from sklearn.ensemble import RandomForestRegressor

m = RandomForestRegressor(n_estimators=1, max_depth=3, bootstrap=False, n_jobs=-1)
m.fit(X_train, y_train)

str_tree = export_graphviz(m, 
   out_file=None, 
   feature_names=X_train.columns, # column names
   filled=True,        
   special_characters=True, 
   rotate=True, 
   precision=0.6)

display.display(str_tree)