帮我写一段决策树可视化的代码
时间: 2023-03-12 16:11:09 浏览: 71
import matplotlib.pyplot as plt
from sklearn.tree import DecisionTreeClassifier, plot_tree # 定义预测属性和类标签
X = [[0, 0], [1, 1]]
y = [0, 1] # 创建决策树实例
decision_tree_classifier = DecisionTreeClassifier() # 训练模型
model = decision_tree_classifier.fit(X, y) # 可视化
plt.figure(figsize=(10, 8))
plot_tree(model, filled=True, rounded=True, class_names=["0","1"], feature_names=["X1", "X2"])
plt.show()
相关问题
帮我写一段决策树可视化的代码,节点的字体大小为20
from sklearn import tree
import matplotlib.pyplot as plt# 定义决策树的数据
features = [[0, 0], [1, 1]]
labels = [0, 1]# 创建决策树
clf = tree.DecisionTreeClassifier()
clf.fit(features, labels)# 画出决策树
plt.figure(figsize=(20, 12))
tree.plot_tree(clf, fontsize=20)
plt.show()
能用Python写一段决策树可视化的代码吗
当然可以,下面是一个简单的示例代码:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz
# 加载数据集
iris = load_iris()
# 构建决策树模型
clf = DecisionTreeClassifier()
clf.fit(iris.data, iris.target)
# 可视化决策树
dot_data = export_graphviz(clf, out_file=None,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True, rounded=True,
special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree", view=True)
```
这段代码使用了scikit-learn库来构建决策树模型,并使用Graphviz库来可视化决策树。具体来说,我们使用export_graphviz函数将决策树模型导出为DOT格式,然后使用graphviz.Source函数将DOT格式的决策树转换为图形,并使用render方法保存为PDF文件并在浏览器中打开。这样我们就可以方便地查看决策树的结构和分类规则了。