绘制决策树的图片可以使用sklearn.tree.plot_tree这个方法
详情可以参考官方文档:https://scikit-learn.org/stable/modules/generated/sklearn.tree.plot_tree.html
示例代码import matplotlib.pyplot as plt import numpy as np from sklearn.tree import plot_tree # 树图 from sklearn.tree import DecisionTreeClassifier if __name__ == '__main__': # 准备数据 x_data = np.array([ [1, 2, 3, 4, 5, 6], [2, 2, 3, 4, 5, 6], ]).T y_data = np.array([6, 5, 4, 3, 4, 5]) # 训练一个树模型 dec_tree = DecisionTreeClassifier( criterion='entropy', # “信息熵”最小化准则划分 max_leaf_nodes=8, # 最大叶子节点数 min_samples_leaf=0.05) # 叶子节点样本数量最小占比 dec_tree.fit(x_data, y_data) # 训练决策树 # 开始绘图 plt.figure(figsize=(14, 12)) # 指定图片大小 plot_tree(dec_tree, feature_names=["x1", "x2"], filled=True, rounded=True) plt.show()
效果图:
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)