python sklearn：教你如何画出决策书，并保存为PDF的实现过程

89542767 发布于2022-09-07 11:09 / 446人阅读

　　这篇文章主要介绍了python sklearn画出决策树并保存为PDF的实现过程，这篇文章具有很高的参考价值，希望各位读者可以认真仔细的阅读。

　　利用sklearn画出决策树并保存为PDF

　　下载Graphviz

　　进入官网下载并安装：

　　https://graphviz.gitlab.io/_pages/Download/Download_windows.html

　　并将下列路径配置为环境变量：

　　D:softwareGraphvizbin

　　在cmd中测试：

dot -version

python代码

import numpy as np
import pandas as pd
from sklearn import tree
import graphviz
# x，y是sklearn中需要拟合的数据
x = np.array(exam_train)
y = np.array(classes_train)
clf = tree.DecisionTreeClassifier(criterion='entropy', class_weight='balanced', max_depth=25)
clf = clf.fit(x, y)
dot_data = tree.export_graphviz(clf, out_file=None, feature_names=None, filled=True, rounded=True)  # 重要参数可定制
graph = graphviz.Source(dot_data)
graph.render(view=True, format="pdf", filename="decisiontree_pdf")

　可以生成一张贼帅的决策树PDF

　python sklearn决策树运用

　　数据形式（tree.csv）

age look income orderly target
older ugly low yes no
young ugly high no no
young handsome low no no
young handsome high yes yes
young handsome medium yes yes
young handsome medium no no

python源代码：

# -*- coding:utf-8*-
# 将字典 转化为 sklearn 用的数据形式 数据型 矩阵
from sklearn.feature_extraction import DictVectorizer
import csv
from sklearn import preprocessing
from sklearn import tree

allElectronicsData = open('c:/pic/data/tree.csv','rb')
reader = csv.reader(allElectronicsData)
header = reader.next()
# print header
## 数据预处理
featureList = []
labelList = []
for row in reader:
    # print row[-1]
    labelList.append(row[-1])
    # 下面这几步的目的是为了让特征值转化成一种字典的形式，就可以调用sk-learn里面的DictVectorizer，直接将特征的类别值转化成0,1值
    rowDict = {}
    for i in range(1, len(row) - 1):
        rowDict[header[i]] = row[i]
    featureList.append(rowDict)

for each in featureList:
    print each

# Vectorize features
vec = DictVectorizer()
dummyX = vec.fit_transform(featureList).toarray()
print("dummyX:"+str(dummyX))
print(vec.get_feature_names())

# label的转化，直接用preprocessing的LabelBinarizer方法
lb = preprocessing.LabelBinarizer()
dummyY = lb.fit_transform(labelList)
print("dummyY:"+str(dummyY))
print("labelList:"+str(labelList))

#criterion是选择决策树节点的 标准 ，这里是按照“熵”为标准，即ID3算法；默认标准是gini index，即CART算法。
clf = tree.DecisionTreeClassifier()
clf = clf.fit(dummyX,dummyY)
print("clf:"+str(clf))
# 导入相关函数，可视化决策树
# 导出的结果是一个dot文件(在系统默认路劲)，需要安装Graphviz才能将它住哪华为PDF或png格式
# 输出的dot文件可以使用graphvize软件转为PDF，graphvize安装目录中的bin目录放入到环境变量的Path中
# 使用如下命令
#cmd
# dot -Tpdf  c:/tree.dot -o c:/tree.pdf
#下载地址：http://www.graphviz.org/Download_windows.php
#生成dot文件
with open("c:/tree.dot",'w') as f:
    f = tree.export_graphviz(clf, feature_names= vec.get_feature_names(),out_file= f)

以上就是小编给大家的详细解答了，希望可以为各位读者带来帮助

超融合服务器专线服务马尔可夫决策过程并保存截图保存并显示数据仓库的实现过程

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/127554.html

分类算法之决策树（应用篇）

摘要：起步在理论篇我们介绍了决策树的构建和一些关于熵的计算方法，这篇文章将根据一个例子，用代码上来实现决策树。转化文件至可视化决策树的命令得到一个文件，打开可以看到决策树附录本次应用的全部代码向量化向量化构造决策树保存模型测试数据起步在理论篇我们介绍了决策树的构建和一些关于熵的计算方法，这篇文章将根据一个例子，用代码上来实现决策树。实验环境操作系统： win10 64 编程语言： ...

luoyibu 2019-07-31 11:02 评论0 收藏0
第7期 Datawhale 组队学习计划

马上就要开始啦这次共组织15个组队学习涵盖了AI领域从理论知识到动手实践的内容按照下面给出的最完备学习路线分类难度系数分为低、中、高三档可以按照需要参加 - 学习路线 - showImg(https://segmentfault.com/img/remote/1460000019082128); showImg(https://segmentfault.com/img/remote/...

dinfer 2019-06-26 18:55 评论0 收藏0
SKLearn分类树在合成数集上的表现

小伙伴们大家好~o(￣▽￣)ブ，我是菜菜，这里是我的sklearn课堂我的开发环境是Jupyter lab，所用的库和版本大家参考： Python 3.7.1（你的版本至少要3.4以上 Scikit-learn 0.20.0 （你的版本至少要0.20 Graphviz 0.8.4 (没有画不出决策树哦，安装代码conda install python-graphviz Numpy 1.15.3,...

Seay 2019-06-26 16:27 评论0 收藏0
机器学习--决策树--dot转存pdf

摘要：决策树分支转存写代码的方法今天是周日，我还在倒腾决策树，然后发现了一个不用装软件也能倒的方法，而且更简单。刚开始看视频的时候是看的的视频，讲的真差，太模糊了，不适合我。决策树分支dot转存pdf 1、写代码的方法今天是周日，我还在倒腾决策树，然后发现了一个不用装软件也能倒pdf的方法，而且更简单。参照了这个中文的文档实现：http://sklearn.apachecn.org/c....

Bryan 2019-07-31 11:16 评论0 收藏0
机器学习之决策树在sklearn中的实现

摘要：特征矩阵中有条记录，相对应的标签就有个数据。如果是一张表，应该长这样这是数据集特征列名和标签分类分训练集和测试集这里选取作为测试集。切分好之后，训练集有条数据，测试集有条数据。有兴趣的话，动手建立一棵属于自己的决策树吧更多内容可移步决策树在sklearn中的实现小伙伴们大家好~o(￣▽￣)ブ，首先声明一下，我的开发环境是Jupyter lab，所用的库和版本大家参考： Python...

X1nFLY 2019-06-26 16:25 评论0 收藏0