当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python sklearn export_graphviz用法及代码示例


本文简要介绍python语言中 sklearn.tree.export_graphviz 的用法。

用法:

sklearn.tree.export_graphviz(decision_tree, out_file=None, *, max_depth=None, feature_names=None, class_names=None, label='all', filled=False, leaves_parallel=False, impurity=True, node_ids=False, proportion=False, rotate=False, rounded=False, special_characters=False, precision=3, fontname='helvetica')

以 DOT 格式导出决策树。

该函数生成决策树的 GraphViz 表示,然后将其写入 out_file 中。导出后,可以使用以下方法生成图形渲染:

$ dot -Tps tree.dot -o tree.ps      (PostScript format)
$ dot -Tpng tree.dot -o tree.png    (PNG format)

显示的样本计数使用可能存在的任何 sample_weights 进行加权。

在用户指南中阅读更多信息。

参数

decision_tree决策树分类器

要导出到 GraphViz 的决策树。

out_file对象或字符串,默认=无

输出文件的句柄或名称。如果 None ,则结果以字符串形式返回。

max_depth整数,默认=无

表示的最大深度。如果没有,则完全生成树。

feature_namesstr列表,默认=无

每个函数的名称。如果 None 将使用通用名称(“feature_0”、“feature_1”、...)。

class_namesstr 或 bool 的列表,默认 = 无

每个目标类别的名称按数字升序排列。仅与分类相关,不支持multi-output。如果 True ,则显示类名的符号表示。

label{‘all’, ‘root’, ‘none’},默认='全部'

是否显示杂质标签等。选项包括‘all’ 显示在每个节点,‘root’ 仅显示在顶部根节点,或‘none’ 不显示在任何节点。

filled布尔,默认=假

当设置为 True 时,绘制节点以指示分类的多数类、回归值的极值或 multi-output 的节点纯度。

leaves_parallel布尔,默认=假

当设置为 True 时,在树的底部绘制所有叶节点。

impurity布尔,默认=真

当设置为 True 时,显示每个节点的杂质。

node_ids布尔,默认=假

当设置为 True 时,在每个节点上显示 ID 号。

proportion布尔,默认=假

当设置为 True 时,将 ‘values’ 和/或 ‘samples’ 的显示分别更改为比例和百分比。

rotate布尔,默认=假

当设置为 True 时,将树从左到右而不是自上而下。

rounded布尔,默认=假

当设置为 True 时,绘制圆角节点框。

special_characters布尔,默认=假

当设置为 False 时,忽略特殊字符以实现 PostScript 兼容性。

precision整数,默认=3

每个节点的杂质、阈值和值属性值中浮点精度的位数。

fontnamestr,默认='helvetica'

用于呈现文本的字体名称。

返回

dot_datastr

输入树的字符串表示形式,采用 GraphViz 点格式。仅当 out_file 为 None 时才返回。

例子

>>> 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)
'digraph Tree {...

相关用法


注:本文由纯净天空筛选整理自scikit-learn.org大神的英文原创作品 sklearn.tree.export_graphviz。非经特殊声明,原始代码版权归原作者所有,本译文未经允许或授权,请勿转载或复制。