当前位置: 首页>>编程示例 >>用法及示例精选 >>正文


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_namesstr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

reportstr

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

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_text。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。