Python sklearn export_text用法及代码示例

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

用法:

sklearn.tree.export_text(decision_tree, *, feature_names=None, max_depth=10, spacing=3, decimals=2, show_weights=False)

构建一个显示决策树规则的文本报告。

请注意，可能不支持向后兼容性。

参数：

decision_tree：对象

要导出的决策树估计器。它可以是 DecisionTreeClassifier 或 DecisionTreeRegressor 的实例。

feature_names：str列表，默认=无

包含特征名称的长度为 n_features 的列表。如果 None 将使用通用名称(“feature_0”、“feature_1”、...)。

max_depth：整数，默认=10

仅导出树的前 max_depth 级别。截断的分支将标有“…”。

spacing：整数，默认=3

边之间的空格数。它越高，结果越宽。

decimals：整数，默认=2

要显示的小数位数。

show_weights：布尔，默认=假

如果为真，则将在每个叶子上导出分类权重。分类权重是每个类的样本数。

返回：

report：str

决策树中所有规则的文本摘要。

例子：

>>> from sklearn.datasets import load_iris
>>> from sklearn.tree import DecisionTreeClassifier
>>> from sklearn.tree import export_text
>>> iris = load_iris()
>>> X = iris['data']
>>> y = iris['target']
>>> decision_tree = DecisionTreeClassifier(random_state=0, max_depth=2)
>>> decision_tree = decision_tree.fit(X, y)
>>> r = export_text(decision_tree, feature_names=iris['feature_names'])
>>> print(r)
|--- petal width (cm) <= 0.80
|   |--- class: 0
|--- petal width (cm) >  0.80
|   |--- petal width (cm) <= 1.75
|   |   |--- class: 1
|   |--- petal width (cm) >  1.75
|   |   |--- class: 2