【机器学习】【决策树】有了决策树的字典结构后，如何用python绘制决策树？

本文链接：https://blog.csdn.net/u012421852/article/details/79801466

本文介绍了在拥有决策树的字典结构后，如何使用Python进行可视化。通过示例代码展示了两种不同字典结构的决策树的绘制结果。

摘要由CSDN通过智能技术生成

1.需求说明

求出决策树的字典存储形式数据后，绘制出决策树的图形，则会更形象认识和了解其决策树。

比如，有决策树的字典结构如下所示：

tree_dict = {'house?': {'hourse_no': {'working?': {'work_no': 'refuse', 'work_yes': 'agree'}}, 'hourse_yes': 'agree'}}

要绘制出对应的如下决策树：

本章代码就是完成此需求的。

2. 代码

# -*- coding: utf-8 -*-
"""
@author: 蔚蓝的天空Tom
Aim:得到决策树的字典后，需要使用python来绘制对应的决策树figure
输入决策树的字典，样例如下所示：
dtree = {'house?': {'hourse_no': {'working?': {'work_no': 'refuse', 'work_yes': 'agree'}}, 'hourse_yes': 'agree'}}
"""

import matplotlib.pyplot as plt

#定义判断结点形状,其中boxstyle表示文本框类型,fc指的是注释框颜色的深度
decisionNode = dict(boxstyle="round4", color='r', fc='0.9')
#定义叶结点形状
leafNode = dict(boxstyle="circle", color='m')
#定义父节点指向子节点或叶子的箭头形状
arrow_args = dict(arrowstyle="<-", color='g')

def plot_node(node_txt, center_point, parent_point, node_style):
    '''
    绘制父子节点，节点间的箭头，并填充箭头中间上的文本
    :param node_tx