python 随机森林模型可视化 代码

以下是用Python中的随机森林模型可视化的示例代码：

# 导入库
from sklearn.ensemble import RandomForestClassifier
from sklearn import datasets
from sklearn.tree import export_graphviz
import pydot

# 加载数据集
iris = datasets.load_iris()
X = iris.data
y = iris.target

# 训练模型
rf = RandomForestClassifier(n_estimators=10, random_state=42)
rf.fit(X, y)

# 可视化决策树
estimator = rf.estimators_[5]
export_graphviz(estimator, out_file='tree.dot', 
                feature_names = iris.feature_names,
                class_names = iris.target_names,
                rounded = True, proportion = False, 
                precision = 2, filled = True)

(graph, ) = pydot.graph_from_dot_file('tree.dot')
graph.write_png('tree.png')

这个例子展示了如何使用scikit-learn库中的随机森林模型来对鸢尾花数据集进行分类，并将其中一棵决策树可视化为PNG格式。在代码中，我们首先加载鸢尾花数据集，并将其分为特征和目标变量。然后，我们训练了一个包含10棵树的随机森林分类器，并从中选择其中一棵树进行可视化。最后，我们使用export_graphviz函数将决策树导出到一个.dot文件中，并使用pydot库生成PNG图像。