Python sklearn plot_tree用法及代码示例

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

用法:

sklearn.tree.plot_tree(decision_tree, *, max_depth=None, feature_names=None, class_names=None, label='all', filled=False, impurity=True, node_ids=False, proportion=False, rounded=False, precision=3, ax=None, fontsize=None)

绘制决策树。

显示的样本计数使用可能存在的任何 sample_weights 进行加权。

可视化自动适应轴的大小。使用plt.figure 的figsize 或dpi 参数来控制渲染的大小。

在用户指南中阅读更多信息。

参数：

decision_tree：决策树回归器或分类器

要绘制的决策树。

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_names：字符串列表，默认=无

每个函数的名称。如果没有，将使用通用名称(“X[0]”、“X[1]”、...)。

class_names：str 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。

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。

rounded：布尔，默认=假

当设置为 True 时，绘制圆角节点框并使用 Helvetica 字体而不是 Times-Roman。

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。

ax：matplotlib 轴，默认=无

要绘制的轴。如果没有，使用当前轴。任何以前的内容都会被清除。

fontsize：整数，默认=无

文本字体的大小。如果没有，自动确定以适合数字。

返回：

annotations：艺术家名单

包含组成树的注释框的艺术家的列表。

例子：

>>> from sklearn.datasets import load_iris
>>> from sklearn import tree

>>> clf = tree.DecisionTreeClassifier(random_state=0)
>>> iris = load_iris()

>>> clf = clf.fit(iris.data, iris.target)
>>> tree.plot_tree(clf)
[...]