怎么画出决策树-两种决策树的可视化方法

目录

一、决策树简单介绍

1.决策树是什么

二.如何实现决策树

三、决策树可视化

3.1 决策树可视化方法一：使用graphviz画出决策树

3.2 决策树可视化方法二：使用plot_tree画出决策树

---

 本文部分图片来自《老饼讲解-机器学习》

一、决策树简单介绍

1.决策树是什么

策树模型是一种常用于研究类别归属和预测关系的模型。在决策树中，每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属性在某个值域上的输出，而每个叶节点存放一个类别。使用决策树进行决策的过程就是从根节点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直到到达叶子节点，将叶子节点存放的类别作为决策结果。

二.如何实现决策树

在python中实现决策树需要借用sklearn包，下面是一个决策树的实现代码：

from sklearn.datasets import load_iris
from sklearn import tree

#----------------数据准备----------------------------
iris = load_iris()                          # 加载数据

#---------------模型训练----------------------------------
clf = tree.DecisionTreeClassifier()         # sk-learn的决策树模型
clf = clf.fit(iris.data, iris.target)        # 用数据训练树模型构建()
r = tree.export_text(clf, feature_names=iris['feature_names'])


#---------------模型预测结果------------------------
text_x = iris.data[[0,1,50,51,100,101], :]
pred_target_prob = clf.predict_proba(text_x)        # 预测类别概率
pred_target = clf.predict(text_x)              # 预测类别

#---------------打印结果---------------------------
p