决策树与其可视化（python）

决策树的理论我就不说了，主要介绍怎么实（调）现（包），如下所示：

from sklearn.tree import DecisionTreeClassifier

dtc = DecisionTreeClassifier(criterion='gini',max_depth=100)
dtc.fit(x_new,y_train)
y_predict = dtc.predict(x_new2)

sklearn中的决策树不能进行后剪枝，所以只能通过max_depth字段限制其深度与min_samples_split限制子树继续划分

下面我来说一下决策树的可视化，首先我们需要安装一些东西，例如GraphViz，给你们网址：https://graphviz.gitlab.io/_pages/Download/Download_windows.html，
我选择的Graphviz-2.38.msi，下载好了安装就可以了，然后将其bin目录加入到系统path环境变量中,例如:D:\Program Files\Graphviz2.38\bin。第二步，pip install graphviz/ pip install pydotplus就可以了

如何实现可视化，我们在这里展示两种方法

方法1

import pandas as pd
import pydotplus
from sklearn import tree
from IPython.display import Image
import os

dtc = DecisionTreeClassifier()
dtc.fit(x_new,y_train)

data_feature_name = x.columns1
data_target_name = np.unique(y.astype('str'))#本文label是flaot格式
os.environ["PATH"] += os.pathsep + 'D:/Program Files/Graphviz2.38/bin/'
dot_tree = tree.export_graphviz(dtc,out_file=None,feature_names=data_feature_name,class_names=data_target_name,filled=True, rounded=True,special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_tree)
img = Image(graph.create_png())
graph.write_png("D:\\out.png")
os.environ["PATH"] += os.pathsep + 'D:/Program Files/Graphviz2.38/bin/'
dot_tree = tree.export_graphviz(dtc,out_file=None,feature_names=data_feature_name,class_names=data_target_name,filled=True, rounded=True,special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_tree)
img = Image(graph.create_png())
graph.write_png("D:\\out.png")

方法二

iris=load_iris()
clf=tree.DecisionTreeClassifier()
clf=clf.fit(iris.data,iris.target)
tree.export_graphviz(clf,'D:/tree.dot')

1.可以在GraphViz的bin目录下，找到gvedit.exe文件

2.将其打开，界面如下图：

3.此时可以点击File -> Open 来打开dot文件。

4.然后点击下图所示按键，将输出并保存png/pdf文件