将tree.export_graphviz构建决策树代码转换为标准sql

将tree.export_graphviz构建决策树代码转换为标准sql

• email：
  wang_xup@163.com
  857956556@qq.com
• Github:
  https://github.com/WangxuP/graphviz_sql

1. 工具简介

通常我们会采用sklearn框架tree模块进行决策树相关的挖掘分析，并使用tree.export_graphviz将决策树过程导出为graphviz.dot文件。
将上步生成的文件配合外部程序graphviz进行画图。
但在有些时候，我们会根据决策树图形来抽取关键路径，将其翻译成标准sql，部署在数据库当中，持续化产生价值。
目前sklearn暂未提供此功能，故我们开发此插件来进行完善。

2. 安装环境、依赖

• 离线手动下载安装

download

• 在线安装

pip install graphviz_sql

• 内部依赖
  • sklearn
• 外部依赖
  • Graphviz:找到适合自己版本下载即可

3. 一个简单的示例

将tree.export_graphviz输出结果转换为标准sql

tree.export_graphviz参数说明
为了能够准确的输出决策树规则，方法tree.export_graphviz当中一下参数必须设置成以下形式。其余参数使用默认的即可。

• feature_names：特征名称，顺序必须和训练样本的数据一致
• class_names：类别名称，输入的时候，必须要排序。如将原来的[‘1’, ‘0’]设置为[‘0’, ‘1’]，注意：数据类型必须为str型的。
• filled：填充，必须为True
• node_ids：节点id，必须为True
• rounded：画的图形边缘是否美化，必须为True
• special_characters：必须为True

=========================

eg:

import pandas as pd
import numpy as np
from sklearn import tree
from sklearn import metrics
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris
iris = load_iris()
clf = tree.DecisionTreeClassifier()

feature_names = ['sepal_length', 'sepal_width', 'petal_length', 'petal_width']
data = pd.DataFrame(iris.data, columns=feature_names)
data['target'] = iris.target
X_train, X_test, y_train, y_test = train_test_split(
                   data[feature_names], data['target'], test_size=0.33, random_state=42)
clf = clf.fit(data[feature_names], data['target'])
# tree_rule.dot为输出文件的路径
tree.export_graphviz(clf,out_file='tree_rule.dot',
                            feature_names=feature_names,
                            class_names=['0', '1'],
                            filled=True,
                            node_ids=True,
                            rounded=True,
                            special_characters=True)


# 调用插件  
from graphviz_sql.extract import to_sql 

# tree_rule.txt: 通过决策树生成的用于graphviz画图的文件路径
# tree_rule_2.sql: 转换后的sql文件路径 
to_sql('tree_rule.dot', 'tree_rule_2.sql')

也可以去Github下载源码直接使用此函数进行转换。

4. 代码原理

通过一种反向搜索的方法遍历决策树结果，将结果转换成标准sql

5. 常见问题说明

• 乱码
  • 此问题可百度一下，网上有具体的处理办法，
• 其它问题请及时反馈

6. 加入进来

强大的工具需要你我共同完善，期待技术大佬的加入。

感谢你的阅读，如果这篇文章有帮助，请记得在Github给个星，感谢！