调用sklearn.tree.plot_tree函数绘制决策树
时间: 2023-06-02 14:03:14 浏览: 89
以下是一个示例代码,可以使用sklearn.tree.plot_tree函数绘制决策树:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import plot_tree
# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target
# 创建决策树分类器
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X, y)
# 绘制决策树
plot_tree(clf)
```
该代码加载了鸢尾花数据集,创建了一个决策树分类器,然后使用plot_tree函数绘制了决策树。输出的图像将显示在jupyter或者ipython notebook中。
相关问题
调用sklearn.tree.plot_tree函数绘制决策树,
以下是一个示例代码,展示如何使用sklearn.tree.plot_tree函数绘制决策树:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, plot_tree
import matplotlib.pyplot as plt
# 加载Iris数据集
iris = load_iris()
X = iris.data
y = iris.target
# 训练决策树模型
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X, y)
# 绘制决策树
plt.figure(figsize=(20,10))
plot_tree(clf, filled=True, feature_names=iris.feature_names, class_names=iris.target_names)
plt.show()
```
运行以上代码,将生成一个决策树的可视化图像。其中,plot_tree函数的参数如下:
- clf:训练好的决策树模型;
- filled:是否填充节点颜色,默认为False;
- feature_names:特征名称列表,默认为None;
- class_names:类别名称列表,默认为None。
决策树可视化 调用sklearn.tree.plot_tree函数绘制决策树
使用sklearn.tree.plot_tree函数可以方便地绘制决策树图形,函数的语法如下:
```python
from sklearn.tree import plot_tree
plot_tree(decision_tree, max_depth=None, feature_names=None, class_names=None, filled=False, impurity=True, node_ids=False, proportion=False, rotate=False, rounded=False, precision=3)
```
其中,参数意义如下:
- decision_tree:训练好的决策树模型。
- max_depth:绘制树的最大深度,默认为None,表示全部绘制。
- feature_names:特征名称,用于标识每个节点的特征名称,默认为None。
- class_names:类别名称,用于标识每个叶子节点的类别名称,默认为None。
- filled:是否对节点进行填充,默认为False。
- impurity:是否在节点上显示不纯度,默认为True。
- node_ids:是否在节点上显示节点编号,默认为False。
- proportion:是否在节点上显示每个类别的比例,默认为False。
- rotate:是否将树旋转90度,默认为False。
- rounded:是否将节点边框设置为圆角,默认为False。
- precision:节点数值的小数点位数,默认为3。
下面是一个简单的示例代码:
```python
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, plot_tree
# 导入数据集
iris = load_iris()
X = iris.data
y = iris.target
# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X, y)
# 绘制决策树
plot_tree(clf, filled=True)
```
绘制的决策树图形如下:
![decision_tree_visualization](https://cdn.luogu.com.cn/upload/image_hosting/rquh6w1w.png)