pydotplus的安装、基本入门和决策树的可视化( 二 ) 1说明=====1.1pydotplus是旧pydot项目

5.2 参考文章
#;depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-4.add_param_isCf5.3 代码
from sklearn import treefrom sklearn.datasets import load_winefrom sklearn.model_selection import train_test_splitwine=load_wine()#集合自身的数据集Xtrain,Xtest,Ytrain,Ytest=train_test_split(wine.data,wine.target,test_size=0.3)#训练clf=tree.DecisionTreeClassifier(criterion='entropy')clf=clf.fit(Xtrain,Ytrain)#查看一下准确度score=clf.score(Xtest,Ytest)f_name=['酒精','苹果酸','灰','灰的碱性','镁','总酚','类黄酮','非黄烷类酚类','花青素','颜色强度','色调','稀释葡萄酒','脯氨酸']dot_data=http://kandian.youth.cn/index/tree.export_graphviz(clf,feature_names=f_name,class_names=['茅台','啤酒','黄酒'],filled=True,rounded=True,out_file=None)import pydotplus# 可视化graph = pydotplus.graph_from_dot_data(dot_data)graph.write_png("/home/xgj/Desktop/pydotplus/graph8.png")6 加载自身数据集、生成dot文件和决策树
===============================
6.1 图
文章插图
6.2 代码：
#参考文章#from sklearn import treefrom sklearn.datasets import load_iris#导入数据集iris = load_iris()clf = tree.DecisionTreeClassifier()clf = clf.fit(iris.data, iris.target)#生成dot文件with open("/home/xgj/Desktop/pydotplus/iris.dot", 'w') as f:f = tree.export_graphviz(clf, out_file=f)#决策树pydotplus可视化import pydotplus dot_data = http://kandian.youth.cn/index/tree.export_graphviz(clf, out_file=None) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_png("/home/xgj/Desktop/pydotplus/iris.png") 7 彩蛋
=====
7.1 dot文件可视化两种方法：
7.2 方法一：终端执行dot语法， dot文件在根目录下
dot -Tpng -o world.png world.dot
文章插图
7.3 方法二：python代码sklearn ，并熟悉xy向量
7.3.1 图
文章插图
7.3.2 代码
#用决策树建模import sklearn.tree as treefrom sklearn.tree import DecisionTreeRegressorimport numpy as npclf=tree.DecisionTreeRegressor(min_samples_split=50,max_leaf_nodes=15)'''DecisionTreeClassifier 能够实现多类别的分类。输入两个向量向量X ，大小为[n_samples,n_features] ，用于记录训练样本；向量Y ，大小为[n_samples] ，用于存储训练样本的类标签。 '''#产生随机数据集和xy向量rng = np.random.RandomState(1)x = np.sort(5 * rng.rand(80, 1), axis=0)y = np.sin(x).ravel()y[::5] += 3 * (0.5 - rng.rand(16))#熟悉fitclf_fit=clf.fit(x,y)#打开dot文件tree.export_graphviz(clf_fit,out_file="/home/xgj/Desktop/yhsj/world.dot")import pydotplus dot_data = http://kandian.youth.cn/index/tree.export_graphviz(clf_fit, out_file=None, filled=True, rounded=True, special_characters=True) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_jpg('/home/xgj/Desktop/yhsj/dot.jpg')小结
基本从简单到复制，难点在clf.fit(x,y) 。