机器学习(四):决策树绘画(基础篇)

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:

相关的决策树文章:

下面我们来看看在前面所生成的决策树的模样。

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
    
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值