机器学习-决策树实现可视化

机器学习- 决策树实现可视化

1. 要安装库sklearn，pandas，graphviz在cmd中安装
   pip install sklearn
   pip install pandas
   pip install graphviz

2. 下载graphviz，装环境变量
   下载网址：在下载的时候有点慢https://graphviz.gitlab.io/_pages/Download/Download_windows.html
   安装环境变量：
   在我的环境变量里添加你下载包的位置
   
   然后在系统环境变量里添加
   
   

3. 简单代码块

import pandas as pd
from sklearn.tree import DecisionTreeClassifier,export_graphviz
from sklearn.metrics import classification_report
import graphviz

data = pd.read_csv("titanic_data.csv") #将csv导入

data.drop("PassengerId",axis = 1,inplace = True)#删除pessengerId，inplace=true表示在data中直接改

data.loc[data['Sex'] == 'male','Sex'] = 1 #将数值1来代替male，用0来代替female
data.loc[data['Sex'] == 'female','Sex'] = 0
data.fillna(data['Age'].mean(),inplace=True)#用age的均值对一些空白进行填充
Dtr = DecisionTreeClassifier(max_depth=5,random_state=8)#构建决策树模型
Dtr.fit(data.iloc[:,1:],data['Survived'])#模型训练，节点，目标值
pre = Dtr.predict(data.iloc[:,1:])#模型预测
pre == data['Survived']          #比较模型预测值与样本实际值是否一致
classification_report(data['Survived'],pre)#分类报告
dot_data = export_graphviz(Dtr, feature_names=['Pclass','Sex','Age'],class_names="Survived")
graph = graphviz.Source(dot_data)
print(graph)

运行结果

实现可视化
方法一：jupyter notebook 的安装和启动
1.打开cmd
2. 查看是否以按组件：python -m pip list
3. jupyter notebook安装命令：pip install jupyter
4. 启动命令：jupyter notebook，在cmd输入jupyter notebook，浏览器会自动跳到jupyter notebook上

5.选择你的代码的路径，点击python


6.将代码复制去，按运行，就有结果出来（我的结果出来的有点慢，可能需要等一等）

运行结果，图有点大

方法二：直接在代码下面加

1.加代码，保存文件，生成文件treeone.dot

import pandas as pd
from sklearn.tree import DecisionTreeClassifier,export_graphviz
from sklearn.metrics import classification_report
import graphviz

data = pd.read_csv("titanic_data.csv") #将csv导入

data.drop("PassengerId",axis = 1,inplace = True)#删除pessengerId，inplace=true表示在data中直接改

data.loc[data['Sex'] == 'male','Sex'] = 1 #将数值1来代替male，用0来代替female
data.loc[data['Sex'] == 'female','Sex'] = 0
data.fillna(data['Age'].mean(),inplace=True)#用age的均值对一些空白进行填充
Dtr = DecisionTreeClassifier(max_depth=5,random_state=8)#构建决策树模型
Dtr.fit(data.iloc[:,1:],data['Survived'])#模型训练，节点，目标值
pre = Dtr.predict(data.iloc[:,1:])#模型预测
pre == data['Survived']          #比较模型预测值与样本实际值是否一致
classification_report(data['Survived'],pre)#分类报告
dot_data = export_graphviz(Dtr, feature_names=['Pclass','Sex','Age'],class_names="Survived")
graph = graphviz.Source(dot_data)

with open('treeone.dot', 'w') as f:
    f.write(dot_data)

2.打开cmd，将路径定位到treeone.dot下，输入dot -Tpdf treeone.dot -o treeone.pdf，生成文件

3.打开treeone.pdf,结果：

参考：
https://blog.csdn.net/phyllisyuell/article/details/79903785?utm_source=blogxgwz5