数据分析使用pydotplus可视化决策树

使用Python进行数据分析过程中，需要可视化决策树模型：了解每个节点的决策是如何判断的，还有整个树的结构是如何？

下面是使用pydotplus库得到可视化的决策树图形。

个人的环境配置：

• python 3.6
• anacoda 4
• win 7 64位

Step 1 ：下载graphviz

计算机安装graphviz:
Windows版本下载网址：https://graphviz.gitlab.io/_pages/Download/Download_windows.html

msi版本安装方便，不容易出错。
按照默认路径C:\Program Files (x86)安装，一直Next安装完成。
再将安装路径C:\Program Files (x86)\Graphviz2.38\bin添加到环境变量中：

Step 2：测试graphviz

测试graphviz是否安装成功：

如果没有安装成功，在程序中使用export_graphviz会继续出现报错：

InvocationException: GraphViz's executables not found

Step 3：安装pydotplus

pip install pyplotplus

安装好后可以正常使用，下面使用iris数据生成一个决策树，可视化决策树的分类：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import pydotplus
from IPython.display import display, Image
import os
 
os.environ["PATH"] += os.pathsep + 'C:/Program Files (x86)/Graphviz2.38/bin/'
iris = load_iris()
x = iris.data
y = iris.target

x_train,x_test,y_train,y_test=train_test_split(x,y,test_size=0.2,random_state=0)

dtc = DecisionTreeClassifier(criterion='entropy') #建立决策树对象
dtc.fit(x_train, y_train) #决策树拟合
y_test_pre = dtc.predict(x_test) #预测

dtc.score(x_test, y_test)


dot_data = export_graphviz(dtc,out_file=None,feature_names=iris.feature_names,class_names=iris.target_names,filled=True,rounded=True,special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
graph.write_png('iris.png')
graph.write_pdf('iris.pdf')
display(Image(graph.create_png()))

下面是导出的可视化树形图：
也可以导出PDF文件等。

欢迎各位关注我的个人公众号：HsuDan，我将分享更多自己的学习心得、避坑总结、面试经验、AI最新技术资讯。