Python可视化工具pybaobabdt，轻松对决策树、随机森林可视化

分享一个Python可视化工具pybaobabdt，轻松  

对决策树、随机森林可视化，例如，

随机森林可视化

图怎么看：每一种颜色代表一个class，link的宽度表示从一个节点流向另一个节点的items数量。

---

安装

依赖pygraphviz，

pip install pybaobabdt   pip install pygraphviz   

---

可视化决策树

import pybaobabdt   import pandas as pd   from scipy.io import arff   from sklearn.tree import DecisionTreeClassifier #导入决策树算法      data = arff.loadarff('winequality-red.arff')   df = pd.DataFrame(data[0])      y = list(df['class'])   features = list(df.columns)   features.remove('class')   X = df.loc[:, features]      clf = DecisionTreeClassifier().fit(X, y)   ax = pybaobabdt.drawTree(clf, size=10, dpi=300, features=features) #可视化主函数pybaobabdt.drawTree   

---

可视化决策树-设置树深度

通过maxdepth限制需要渲染的树深度，对large trees特别友好，

ax = pybaobabdt.drawTree(       clf,       size=10,       dpi=100,       maxdepth=6,  #设置渲染的树的最大深度       features=features)   

---

可视化决策树-突出class

通过colormap凸显感兴趣的class，

from matplotlib.colors import ListedColormap      ax = pybaobabdt.drawTree(       clf,       size=10,       dpi=600,       colormap=ListedColormap(["#01a2d9", "gray", "#d5695d",                                "gray"]),  #通过颜色突出展示class 5和6 变量       features=features)   

---

可视化随机森林

import pybaobabdt   import pandas as pd   from scipy.io import arff   import matplotlib.pyplot as plt   from sklearn.ensemble import RandomForestClassifier  #导入随机森林算法      data = arff.loadarff('vehicle.arff')      df = pd.DataFrame(data[0])   y = list(df['class'])   features = list(df.columns)   features.remove('class')   X = df.loc[:, features]      clf = RandomForestClassifier(n_estimators=20, n_jobs=-1, random_state=0)   clf.fit(X, y)      size = (15, 15)   plt.rcParams['figure.figsize'] = size   fig = plt.figure(figsize=size, dpi=300)      for idx, tree in enumerate(clf.estimators_):       ax1 = fig.add_subplot(5, 4, idx + 1)       pybaobabdt.drawTree(tree,                           model=clf,                           size=15,                           dpi=300,                           maxdepth=8,                           features=features,                           ax=ax1)   

关于Python学习指南

学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

包括：Python激活码+安装包、Python web开发，Python爬虫，Python数据分析，人工智能、自动化办公等学习教程。让你从零基础系统性的学好Python！

👉Python所有方向的学习路线👈

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取）

👉Python学习视频600合集👈

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

温馨提示：篇幅有限，已打包文件夹，获取方式在：文末

👉Python70个实战练手案例&源码👈

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉Python大厂面试资料👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉Python副业兼职路线&方法👈

学好 Python 不论是就业还是做副业赚钱都不错，但要学会兼职接单还是要有一个学习规划。

👉 这份完整版的Python全套学习资料已经上传，朋友们如果需要可以扫描下方CSDN官方认证二维码或者点击链接免费领取【保证100%免费】

点击免费领取《CSDN大礼包》：Python入门到进阶资料 & 实战源码 & 兼职接单方法 安全链接免费领取