Python sklearn export_text用法及代碼示例

本文簡要介紹python語言中 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)

構建一個顯示決策樹規則的文本報告。

請注意，可能不支持向後兼容性。

參數：

decision_tree：對象

要導出的決策樹估計器。它可以是 DecisionTreeClassifier 或 DecisionTreeRegressor 的實例。

feature_names：str列表，默認=無

包含特征名稱的長度為 n_features 的列表。如果 None 將使用通用名稱(“feature_0”、“feature_1”、...)。

max_depth：整數，默認=10

僅導出樹的前 max_depth 級別。截斷的分支將標有“…”。

spacing：整數，默認=3

邊之間的空格數。它越高，結果越寬。

decimals：整數，默認=2

要顯示的小數位數。

show_weights：布爾，默認=假

如果為真，則將在每個葉子上導出分類權重。分類權重是每個類的樣本數。

返回：

report：str

決策樹中所有規則的文本摘要。

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