2021-07-20画决策树

淘气淘的宝宝

已于 2022-07-22 11:25:46 修改

阅读量137

点赞数

分类专栏：数据挖掘文章标签：决策树机器学习 python

于 2021-07-20 20:43:27 首次发布

原文链接：https://www.cnblogs.com/junjun511/p/10679441.html

版权

数据挖掘专栏收录该内容

4 篇文章

订阅专栏

该博客展示了如何使用Python的sklearn库训练决策树模型，并通过lgb_plt和tree_plot函数进行可视化。首先加载鸢尾花数据集，然后训练决策树分类器。接着定义了两个函数，lgb_plt用于绘制LightGBM模型的决策树图，而tree_plot则利用pydotplus和graphviz将sklearn的决策树转换为PDF格式进行展示。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from sklearn.datasets import load_iris
import pydotplus
from IPython.display import Image
from sklearn import tree
#训练模型
iris=load_iris()
clf=tree.DecisionTreeClassifier()
clf=clf.fit(iris.data,iris.target)

def lgb_plt(model):
    tree_nums = 10
    for i in range(tree_nums):
        ax = lgb.create_tree_digraph(model,tree_index = i)
        filename = './picture/model_{}.svg'.format(i)
        with open(filename, 'w') as f:
            f.write(ax._repr_svg_())
    

def tree_plot(clf):
    dot_data = tree.export_graphviz(clf, out_file=None) 
    graph = pydotplus.graph_from_dot_data(dot_data) 
    graph.write_pdf("iris.pdf") 

def ipython_plot(clf):
    from IPython.display import Image  
    dot_data = tree.export_graphviz(clf, out_file=None, 
                         feature_names=iris.feature_names,  
                         class_names=iris.target_names,  
                         filled=True, rounded=True,  
                         special_characters=True)  
    graph = pydotplus.graph_from_dot_data(dot_data)  
    Image(graph.create_png())