机器学习(四）：决策树绘画（基础篇）

最新推荐文章于 2025-04-22 16:00:00 发布

原创

最新推荐文章于 2025-04-22 16:00:00 发布 · 5.2k 阅读

23 ·

CC 4.0 BY-SA版权

文章标签：

#机器学习决策树绘图 #决策树的绘画 #python画决策树 #python制作决策树

在前面的章节中，我们已经学过了ID3树，C4.5树和CART树的构造。如果还没有了解过这三棵决策树的话可以点击下方链接：

决策树的文字格式

决策树没有绘图之前是由一个多重字典组成，如图：
在这里插入图片描述
这是我们生成的决策树的文字格式，如今，我们要将其转到图像化。

决策树绘图代码

import matplotlib.pylab as plt

#用来正常显示中文
plt.rcParams['font.sans-serif']=['SimHei']
#用来正常显示负号
plt.rcParams['axes.unicode_minus']=False

def getNumLeafs(myTree):
    #初始化树的叶子节点的个数
    numLeafs = 0
    #myTree.keys()获取树的非叶子节点’no surfacing'和‘flippers’
    #list(mytree.keys()[0]获取第一个键名‘no surfacing’
    firstStr = list(myTree.keys())[0]
    #通过键名获取与之对应的值，即{
   
   0:'no',1:{
   
   'flippers':{
   
   0:'no,1:'yes'}}}
    secondDict = myTree[firstStr]
    #遍历树，secondDict.keys()获取所有的键
    for key in secondDict.keys():
        #判断键是否为字典，键名1和其值就组成了一个字典，如果是字典则通过递归继续遍历，寻找叶子节点
        if type(secondDict[key]).__name__=='dict':
            numLeafs += getNumLeafs(secondDict[key])
        #如果不是字典，则叶子节点的数目就加1
        else:
            numLeafs += 1
        #返回叶子节点的数目