Python sklearn plot_tree用法及代碼示例

本文簡要介紹python語言中 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)

繪製決策樹。

顯示的樣本計數使用可能存在的任何 sample_weights 進行加權。

可視化自動適應軸的大小。使用plt.figure 的figsize 或dpi 參數來控製渲染的大小。

在用戶指南中閱讀更多信息。

參數：

decision_tree：決策樹回歸器或分類器

要繪製的決策樹。

max_depth：整數，默認=無

表示的最大深度。如果沒有，則完全生成樹。

feature_names：字符串列表，默認=無

每個函數的名稱。如果沒有，將使用通用名稱(“X[0]”、“X[1]”、...)。

class_names：str 或 bool 的列表，默認 = 無

每個目標類別的名稱按數字升序排列。僅與分類相關，不支持multi-output。如果 True ，則顯示類名的符號表示。

label：{‘all’, ‘root’, ‘none’}，默認='全部'

是否顯示雜質標簽等。選項包括‘all’ 顯示在每個節點，‘root’ 僅顯示在頂部根節點，或‘none’ 不顯示在任何節點。

filled：布爾，默認=假

當設置為 True 時，繪製節點以指示分類的多數類、回歸值的極值或 multi-output 的節點純度。

impurity：布爾，默認=真

當設置為 True 時，顯示每個節點的雜質。

node_ids：布爾，默認=假

當設置為 True 時，在每個節點上顯示 ID 號。

proportion：布爾，默認=假

當設置為 True 時，將 ‘values’ 和/或 ‘samples’ 的顯示分別更改為比例和百分比。

rounded：布爾，默認=假

當設置為 True 時，繪製圓角節點框並使用 Helvetica 字體而不是 Times-Roman。

precision：整數，默認=3

每個節點的雜質、閾值和值屬性值中浮點精度的位數。

ax：matplotlib 軸，默認=無

要繪製的軸。如果沒有，使用當前軸。任何以前的內容都會被清除。

fontsize：整數，默認=無

文本字體的大小。如果沒有，自動確定以適合數字。

返回：

annotations：藝術家名單

包含組成樹的注釋框的藝術家的列表。

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)
[...]