机器学习实战之决策树（二）在 python 中使用 Matplotlib 注解绘制树形图

转载请注明作者和出处：https://blog.csdn.net/weixin_45814668
微信公众号：qiongjian0427
知乎：https://www.zhihu.com/people/qiongjian0427
Github代码获取：https://github.com/qiongjian/Machine-learning/
Python版本： Python3.x

1. Matplotlib 注解

Matplotlib 提供了一个注解工具 annotations ，可以在数据图形上添加文本注释。注解通常用于解释数据的内容。

1.1 使用文本注解绘制决策树

import matplotlib.pyplot as plt

decisionNode = dict(boxstyle="sawtooth", fc="0.8") # boxstyle为文本框的类型，sawtooth是锯齿形，fc是边框线粗细
leafNode = dict(boxstyle="round4", fc="0.8") # round4表示圆形
arrow_args = dict(arrowstyle="<-") # 箭头样式

def plotNode(nodeTxt, centerPt, parentPt, nodeType):
    # nodeTxt:节点文本， centerPt:子节点， parentPt:父节点， nodeType:节点样式
    createPlot.axl.annotate(nodeTxt, xy=parentPt,xycoords='axes fraction',\
                            xytext=centerPt, textcoords='axes fraction',\
                            va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)

这是第一个版本的 createPlot()函数。

def createPlot():
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    createPlot.axl = plt.subplot(111, frameon=False)
    plotNode('JCJD', (0.5, 0.1), (0.1, 0.5), decisionNode)
    plotNode('YJD', (0.8, 0.1), (0.3, 0.8), leafNode) 
    plt<