CART决策树的sklearn实现及其GraphViz可视化

最新推荐文章于 2025-06-08 12:58:15 发布

数清风

最新推荐文章于 2025-06-08 12:58:15 发布

阅读量3w

点赞数 12

CC 4.0 BY-SA版权

分类专栏：机器学习 Python 文章标签： python graphviz 可视化

本文链接：https://blog.csdn.net/chai_zheng/article/details/78226556

本文介绍了如何使用Python的sklearn库构建CART决策树，并结合GraphViz进行可视化。在遇到AttributeError和InvocationException错误后，通过安装pydotplus和配置GraphViz解决了问题。最终，生成的决策树清晰地展示了模型如何利用葡萄酒数据集的Flavanoids、Color Intensity和Proline属性进行分类。测试结果显示，模型的准确率大约在85%-95%之间，虽然不高，但具有良好的可解释性和快速的运算速度。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

这一部分，我使用了sklearn来调用决策树模型对葡萄酒数据进行分类。在此之外，使用Python调用AT&T实验室开源的画图工具GraphViz软件以实现决策树的可视化。

from sklearn.datasets import load_iris
from sklearn import tree
from sklearn.externals.six import StringIO
import pydot
dot_data = StringIO()
iris = load_iris()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)
tree.export_graphviz(clf, out_file=dot_data)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("iris.pdf")