python怎么可视化决策树_Python可视化决策树【Matplotlib/Graphviz】-阿里云开发者社区...

决策树是一种流行的有监督学习方法。决策树的优势在于其既可以用于回归，也可以用于分类，不需要特征缩放，而且具有比较好的可解释性，容易将决策树可视化。可视化的决策树不仅是理解你的模型的好办法，也是向其他人介绍你的模型的运作机制的有利工具。因此掌握决策树可视化的方法对于数据分析工作者来说非常重要。

在这个教程里，我们将学习以下内容：

如何使用scikit-learn训练一个决策树模型

如何使用Matplotlib将决策树可视化

如何使用Graphviz将决策树可视化

如何将随机森林或决策树包中的单个决策树可视化

教程的代码可以从这里下载。现在让我们开始吧。

1、用scikit-learn训练决策树模型

为了可视化决策树，我们首先需要用scikit-learn训练出一个决策树模型。

首先导入必要的Python库：

import matplotlib.pyplot as plt

from sklearn.datasets import load_iris

from sklearn.datasets import load_breast_cancer

from sklearn.tree import DecisionTreeClassifier

from sklearn.ensemble import RandomForestClassifier

from sklearn.model_selection import train_test_split

import pandas as pd

import numpy as np

from sklearn import tree

然后载入iris数据集。scikit-learn内置了Iris数据集，因此我们不需要从其他网站下载了。下面的Python代码载入Iris数据集：

import pandas as pd

from sklearn.datasets import load_irisdata = load_iris()

df = pd.DataFrame(data.data, columns=data.feature_names)

df['target'] = data.target

Iris数据集看起来是这样：

接下来我们将Iris数据集拆分为训练集和测试集：