绘制单个 XGBoost 决策树答案

【问题标题】：Plot a Single XGBoost Decision Tree绘制单个 XGBoost 决策树
【发布时间】：2018-12-21 17:52:22
【问题描述】：

我正在使用https://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/ 上的方法来绘制 XGBoost 决策树

from numpy import loadtxt
from xgboost import XGBClassifier
from xgboost import plot_tree
import matplotlib.pyplot as plt
# load data
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",")
# split data into X and y
X = dataset[:,0:8]
y = dataset[:,8]
# fit model no training data
model = XGBClassifier()
model.fit(X, y)
# plot single tree
plot_tree(model)
plt.show()

当我有 150 个特征时，所有分割点的情节看起来都很小，如何绘制一个清晰的或保存在本地或任何其他方式/想法可以清楚地表明这棵“树”是非常受欢迎的

【问题讨论】：

标签： python matplotlib xgboost

【解决方案1】：

我最近遇到了同样的问题，我发现的唯一方法是尝试不同的数字大小（它仍然可以是蓝色的大数字。例如，要绘制第 4 棵树，请使用：

fig, ax = plt.subplots(figsize=(30, 30))
xgb.plot_tree(model, num_trees=4, ax=ax)
plt.show()

要保存它，你可以这样做

plt.savefig("temp.pdf")

此外，每棵树都分为两个类，因此您拥有与类一样多的树。

【讨论】：

【解决方案2】：

要添加到 Serk 的答案，您还可以在显示之前调整图形的大小：

# ...
plot_tree(model)
plt.gcf().set_size_inches(18.5, 10.5)
plt.show()

【讨论】：

【解决方案3】：

您可以尝试改用 to_graphviz 方法 - 对我来说，它会产生更清晰的画面。

xgb.to_graphviz(xg_reg, num_trees=0, rankdir='LR')

但是，您很可能会遇到输出大小的问题。

在这种情况下，请遵循以下步骤： How can I specify the figsize of a graphviz representation of a decision tree?

【讨论】：

是一样的。 xgb.plot_tree() is simply a very thin wrapper to xgb.to_graphviz()
而且在 Jupyter Notebook 上显示可能会很慢，因为 svg 很难处理。

【解决方案4】：

我在 github 上找到了this workaround，它也提供了更好的图像，但缺点是您必须在之后打开 .png 文件。

xgb.plot_tree(bst, num_trees=2)
fig = matplotlib.pyplot.gcf()
fig.set_size_inches(150, 100)
fig.savefig('tree.png')

【讨论】：