《机器学习实战》学习笔记：绘制树形图&使用决策树预测隐形眼镜类型

上一节实现了决策树，但只是使用包含树结构信息的嵌套字典来实现，其表示形式较难理解，显然，绘制直观的二叉树图是十分必要的。Python没有提供自带的绘制树工具，需要自己编写函数，结合Matplotlib库创建自己的树形图。这一部分的代码多而复杂，涉及二维坐标运算；书里的代码虽然可用，但函数和各种变量非常多，感觉非常凌乱，同时大量使用递归，因此只能反复研究，反反复复用了一天多时间，才差不多搞懂，因此需要备注一下。

一.绘制属性图

这里使用Matplotlib的注解工具annotations实现决策树绘制的各种细节，包括生成节点处的文本框、添加文本注释、提供对文字着色等等。在画一整颗树之前，最好先掌握单个树节点的绘制。一个简单实例如下：

# -*- coding: utf-8 -*-
"""
Created on Fri Sep 04 01:15:01 2015

@author: Herbert
"""

import matplotlib.pyplot as plt

nonLeafNodes = dict(boxstyle = "sawtooth", fc = "0.8")
leafNodes = dict(boxstyle = "round4", fc = "0.8")
line = dict(arrowstyle = "<-")

def plotNode(nodeName, targetPt, parentPt, nodeType):
    createPlot.ax1.annotate(nodeName, xy = parentPt, xycoords = \
                            'axes fraction', xytext = targetPt, \
                            textcoords = 'axes fraction', va = \
                            "center", ha = "center", bbox = nodeType, \
                            arrowprops = line)

def createPlot():
    fig = plt.figure(1, facecolor = 'white')
    fig.clf()
    createPlot.ax1 = plt.subplot(111, frameon = False)
    plotNode('nonLeafNode', (0.2, 0.1), (0.4, 0.8), nonLeafNodes)
    plotNode('LeafNode', (0.8, 0.1), (0.6, 0.8), leafNodes)
    plt.show()

createPlot()

输出结果：

该实例中，plotNode()函数用于绘制箭头和节点，该函数每调用一次，将绘制一个箭头和一个节点。后面对于该函数有比较详细的解释。createPlot()函数创建了输出图像的对话框并对齐进行一些简单的设置，同时调用了两次plotNode()，生成一对节点和指向节点的箭头。

绘制整颗树

这部分的函数和变量较多，为方便日后扩展功能，需要给出必要的标注：

# -*- coding: utf-8 -*-
"""
Created on Fri Sep 04 01:15:01 2015

@author: Herbert
"""

import matplotlib.pyplot as plt

# 部分代码是对绘制图形的一些定义，主要定义了文本框和剪头的格式
nonLeafNodes = dict(boxstyle = "sawtooth", fc = "0.8")
leafNodes = dict(boxstyle = "round4", fc = "0.8")
line = dict(arrowstyle = "<-")

# 使用递归计算树的叶子节点数目
def getLeafNum(tree):
    num = 0
    firstKey = tree.keys()[0]
    secondDict = tree[firstKey]