scikit-learn中是否可以打印决策树？

Question

scikit-learn中是否可以打印决策树？

pythonscikit-learn

16

有没有一种方法可以在scikit-learn中打印已训练好的决策树? 我想为我的论文训练一棵决策树，并将树的图片放入论文中。这是否可能?

- Jack Twain

3个回答

9

虽然我来晚了，但以下全面的说明对于希望显示决策树输出的其他人可能会有用：

安装必要的模块：

安装 graphviz。我使用conda的安装包这里( 推荐使用 pip install graphviz 不包含实际的 GraphViz 可执行文件)
通过 pip 安装 pydot (pip install pydot)
将包含 .exe 文件（例如 dot.exe）的 graphviz 文件夹目录添加到环境变量 PATH 中。
运行 EdChum 上述代码（注意：graph 是一个包含 pydot.Dot 对象的列表）：

from sklearn.datasets import load_iris
from sklearn import tree
from sklearn.externals.six import StringIO  
import pydot 

clf = tree.DecisionTreeClassifier()
iris = load_iris()
clf = clf.fit(iris.data, iris.target)

dot_data = StringIO() 
tree.export_graphviz(clf, out_file=dot_data) 
graph = pydot.graph_from_dot_data(dot_data.getvalue()) 

graph[0].write_pdf("iris.pdf")  # must access graph's first element

现在你会在你的环境默认目录中找到“iris.pdf”文件。

- NickBraunagel

7

我知道有以下4种方法可以绘制scikit-learn决策树：

使用sklearn.tree.export_text方法打印树的文本表示
使用sklearn.tree.plot_tree方法绘制（需要matplotlib）
使用sklearn.tree.export_graphviz方法绘制（需要graphviz）
使用dtreeviz包绘制（需要dtreeviz和graphviz）

最简单的方法是将决策树导出为文本表示。示例决策树如下所示：

|--- feature_2 <= 2.45
|   |--- class: 0
|--- feature_2 >  2.45
|   |--- feature_3 <= 1.75
|   |   |--- feature_2 <= 4.95
|   |   |   |--- feature_3 <= 1.65
|   |   |   |   |--- class: 1
|   |   |   |--- feature_3 >  1.65
|   |   |   |   |--- class: 2
|   |   |--- feature_2 >  4.95
|   |   |   |--- feature_3 <= 1.55
|   |   |   |   |--- class: 2
|   |   |   |--- feature_3 >  1.55
|   |   |   |   |--- feature_0 <= 6.95
|   |   |   |   |   |--- class: 1
|   |   |   |   |--- feature_0 >  6.95
|   |   |   |   |   |--- class: 2
|   |--- feature_3 >  1.75
|   |   |--- feature_2 <= 4.85
|   |   |   |--- feature_1 <= 3.10
|   |   |   |   |--- class: 2
|   |   |   |--- feature_1 >  3.10
|   |   |   |   |--- class: 1
|   |   |--- feature_2 >  4.85
|   |   |   |--- class: 2

如果您已安装matplotlib，那么您可以使用sklearn.tree.plot_tree绘制图表：

tree.plot_tree(clf) # the clf is your decision tree model

示例输出与您使用export_graphviz获得的输出类似：

您还可以尝试使用dtreeviz包。它将为您提供更多信息。示例：

您可以在此博客文章中找到不同可视化方法的sklearn决策树比较和代码片段：链接。

- pplonski

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- EdChum · Accepted Answer

有一种方法可以将数据导出为 graph_viz 格式：http://scikit-learn.org/stable/modules/generated/sklearn.tree.export_graphviz.html

因此，根据在线文档：

>>> from sklearn.datasets import load_iris
>>> from sklearn import tree
>>>
>>> clf = tree.DecisionTreeClassifier()
>>> iris = load_iris()
>>>
>>> clf = clf.fit(iris.data, iris.target)
>>> tree.export_graphviz(clf,
...     out_file='tree.dot')

然后您可以使用graph viz进行加载，或者如果您已经安装了pydot，则可以更直接地执行此操作：http://scikit-learn.org/stable/modules/tree.html

>>> from sklearn.externals.six import StringIO  
>>> import pydot 
>>> dot_data = StringIO() 
>>> tree.export_graphviz(clf, out_file=dot_data) 
>>> graph = pydot.graph_from_dot_data(dot_data.getvalue()) 
>>> graph.write_pdf("iris.pdf")

生成一个svg，无法在此处显示，因此您需要按照链接进行查看：http://scikit-learn.org/stable/_images/iris.svg

更新

自我回答这个问题以来，似乎行为已经发生了变化，现在返回一个list，因此您会收到以下错误：

AttributeError: 'list' object has no attribute 'write_pdf'

首先，当您看到此内容时，值得打印该对象并检查该对象，很可能您想要的是第一个对象：

graph[0].write_pdf("iris.pdf")

感谢@NickBraunagel的评论