我正在学习如何使用python v3.6使用scikit-learn进行机器学习的决策树。
这是代码;
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import mglearn
import graphviz
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
cancer = load_breast_cancer()
X_train, X_test, y_train, y_test = train_test_split(cancer.data, cancer.target, stratify=cancer.target, random_state=42)
tree = DecisionTreeClassifier(random_state=0)
tree.fit(X_train, y_train)
tree = DecisionTreeClassifier(max_depth=4, random_state=0)
tree.fit(X_train, y_train)
from sklearn.tree import export_graphviz
export_graphviz(tree, out_file="tree.dot", class_names=["malignant", "benign"],feature_names=cancer.feature_names, impurity=False, filled=True)
import graphviz
with open("tree.dot") as f:
dot_graph = f.read()
graphviz.Source(dot_graph)
如何使用graphviz查看dot_graph中的内容?据推测,它应该看起来像这样;
graphviz.Source(dot_graph)
返回一个graphviz.files.Source
对象。
g = graphviz.Source(dot_graph)
使用g.render()
创建一个图像文件。当我在没有参数的代码上运行它时,我得到了一个Source.gv.pdf
但你可以指定一个不同的文件名。还有一个快捷方式g.view()
,它保存文件并在适当的查看器应用程序中打开它。
如果您将代码粘贴到富终端(例如带有内联图形的Spyder / IPython或Jupyter笔记本)中,它将自动显示图像而不是对象的Python表示。
您可以使用IPython.display中的显示。这是一个例子:
from sklearn.tree import DecisionTreeClassifier
from sklearn import tree
model = DecisionTreeClassifier()
model.fit(X, y)
from IPython.display import display
display(graphviz.Source(tree.export_graphviz(model)))