简介
决策树是广泛用于分类和回归任务的监督模型。 在本文中,我们将讨论决策树分类器以及如何动态可视化它们。 这些分类器在训练数据上构建一系列简单的if / else规则,通过它们预测目标值。
在本演示中,我们将使用sklearn_wine数据集,使用sklearn export_graphviz函数,我们可以在Jupyter中显示树。
from sklearn.tree import DecisionTreeClassifier, export_graphvizfrom sklearn import treefrom sklearn.datasets import load_winefrom IPython.display import SVGfrom graphviz import Sourcefrom IPython.display import display# load datasetdata = load_wine()# feature matrixX = data.data# target vectory = data.target# class labelslabels = data.feature_names# print dataset descriptionprint(data.DESCR)
estimator = DecisionTreeClassifier()
estimator.fit(X, y)
graph = Source(tree.export_graphviz(estimator, out_file=None
, feature_names=labe