【机器学习笔记-决策树-3】利用matplotlib绘制决策树图形

最新推荐文章于 2025-05-29 12:49:12 发布

原创

最新推荐文章于 2025-05-29 12:49:12 发布 · 860 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习 #决策树

本文介绍如何使用Python的matplotlib库可视化决策树，通过实例代码展示具体步骤，帮助理解决策树的工作原理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

'''
Created on Oct 14, 2010

@author: Peter Harrington
'''
import matplotlib.pyplot as plt
#from trees import * 

decisionNode = dict(boxstyle="sawtooth", fc="0.8")
#print(decisionNode)
leafNode = dict(boxstyle="round4", fc="0.8")
arrow_args = dict(arrowstyle="<-")



def getNumLeafs(myTree):
    #print(myTree)
    numLeafs = 0
    firstStr = list(myTree.keys())[0]

    #print(myTree)
    #print(myTree.keys())

    #print(firstStr)
    #{'no surfacing': {0: 'no', 1: {'flippers': {0: 'no', 1: 'yes'}}}}
    secondDict = myTree[firstStr]
    #print(secondDict)
    for key in secondDict.keys():
        #print(secondDict[key])验证树的节点值是不是还是字典，如果是字典，继续要递归，直到得到叶子节点的个数。
        #即每个节点Yes和No都被判断到了。总共有3层。
        #print(key)
        if type(secondDict[key]).__name__=='dict':#test to see if the nodes are dictonaires, if not they are leaf nodes
            #print(type(secondDict[key]).__name__)
            numLeafs += getNumLeafs(secondDict[key])