用Jupter进行机器学习的入门练习（自用）——（2）模型的保存、加载和决策树的模型可视化

在用Jupter进行机器学习的入门练习（自用）——（1）建立的模型的基础上进行练习

​​​​​​​https://blog.csdn.net/m0_52974810/article/details/117744358?spm=1001.2014.3001.5501​​​​​​​

本人是跟着b站学习Python的小白，走了许多弯路，怕忘记所以记下来方便查阅。

 学习Python所参考的b站视频🔗https://www.bilibili.com/video/BV14J411U7hj

vscode:​​​​​​​​​​​​​​官网下载软件、安装软件：https://code.visualstudio.com

软件汉化：打开软件ctrl+shift+p调出搜索框，输入“configure language”，在locale.json文件中将

“locale:en-us”更改为“locale:zh-cn”保存；重启VSCode软件，在“扩展视图（左侧最后一个图标）”

中搜索语言包 category:"Language Packs"。选择中文（简体），点击Install，然后重启即可。​​​​

---

一、模型的保存

将之前训练好的模型进行保存，在下次使用时可以不用再训练，可以直接加载进行预测。

• 导入joblib对象

from sklearn.externals import joblib

joblib对象有保存和加载模块的方法。

注意：如果运行后出现cannot import name joblib from sklearn.externals的提示：

           解决方法一： 直接使用import joblib（推荐）

           解决方法二： 回退版本

           删除当前版本的scikit-learn pip uninstall scikit-learn

           安装旧版本的scikit-learn pip install scikit-learn==0.20.3

• 将训练好的模型进行转存

joblib.dump(model, 'music_commender.joblib')

显示返回值后会在桌面上生成一个相应的文件。

 

二、模型的加载

model = joblib.load('music_commender.joblib')

 

三、决策树模型的可视化

• 生成决策树

from sklearn import tree
tree.export_graphviz(model, out_file='music-recommender.dot', 
                    feature_names=['age', 'gender'],
                    class_names=sorted(y.unique()),
                    label='all',
                    rounded=True,
                    filled=True)

运行后桌面会生成一个'music-recommender.dot'文件

参数注释： filled=True ——表示生成的决策树每个节点都有颜色；

                   rounded=True——表示生成的每个盒子外圈有倒角；

                   label='all'——每个节点都是可读标签；

                   class_names=sorted(y.unique())——显示每个分支的类名。

• 用vscode将决策过程可视化​​​​​​​​​​​​​​

​​​​​​​(1)将dot文件拖入vscode中,安装图中所示的扩展包

注：截图中的3这一步可以尝试直接安装joao版本的扩展包，如果没出现（2）中的open preview to the side选项，再安装另外一个。

(2)点击open preview to the side生成决策树预览图

注：决策树中用gini指数来衡量数据的不纯度或者不确定性，同时用gini指数来决定类别变量的最优二分值的切分问题。