在 jupyter notebook 中显示 scikit 决策树图答案

【问题标题】：displaying scikit decision tree figure in jupyter notebook在 jupyter notebook 中显示 scikit 决策树图
【发布时间】：2019-06-19 13:42:19
【问题描述】：

我目前正在创建一个机器学习 jupyter notebook 作为一个小项目，并希望显示我的决策树。但是，我能找到的所有选项都是导出图形然后加载图片，这相当复杂。

因此，我想问是否有一种方法可以直接显示我的决策树，而无需导出和加载图形。

【问题讨论】：

标签： python scikit-learn jupyter-notebook decision-tree

【解决方案1】：

你可以直接使用IPython.display显示树：

import graphviz
from sklearn.tree import DecisionTreeRegressor, DecisionTreeClassifier,export_graphviz
from sklearn.datasets import make_regression

# Generate a simple dataset
X, y = make_regression(n_features=2, n_informative=2, random_state=0)
clf = DecisionTreeRegressor(random_state=0, max_depth=2)
clf.fit(X, y)
# Visualize the tree
from IPython.display import display
display(graphviz.Source(export_graphviz(clf)))

【讨论】：

【解决方案2】：

从 scikit-learn 版本 21.0（大约 2019 年 5 月）开始，现在可以使用 matplotlib 使用 scikit-learn 的 tree.plot_tree 绘制决策树，而无需依赖 graphviz。

import matplotlib.pyplot as plt
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn import tree

X, y = load_iris(return_X_y=True)

# Make an instance of the Model
clf = DecisionTreeClassifier(max_depth = 5)

# Train the model on the data
clf.fit(X, y)

fn=['sepal length (cm)','sepal width (cm)','petal length (cm)','petal width (cm)']
cn=['setosa', 'versicolor', 'virginica']

# Setting dpi = 300 to make image clearer than default
fig, axes = plt.subplots(nrows = 1,ncols = 1,figsize = (4,4), dpi=300)

tree.plot_tree(clf,
           feature_names = fn, 
           class_names=cn,
           filled = True);

# You can save your plot if you want
#fig.savefig('imagename.png')

类似于以下内容的内容将在您的 jupyter 笔记本中输出。

代码改编自post。

【讨论】：

【解决方案3】：

有一个名为graphviz 的简单库，您可以使用它来查看您的决策树。在此您不必导出图形，它会直接为您打开树的图形，您可以稍后决定是否要保存它。您可以按以下方式使用它 -

import graphviz
from sklearn.tree import DecisionTreeClassifier()
from sklearn import tree

clf = DecisionTreeClassifier()
clf.fit(trainX,trainY)
columns=list(trainX.columns)
dot_data = tree.export_graphviz(clf,out_file=None,feature_names=columns,class_names=True)
graph = graphviz.Source(dot_data)
graph.render("image",view=True)
f = open("classifiers/classifier.txt","w+")
f.write(dot_data)
f.close()

因为 view = True 您的图表会在渲染后立即打开，但如果您不想这样做而只想保存图表，您可以使用 view = False

希望对你有帮助

【讨论】：

很高兴能帮到你:)

【解决方案4】：

我知道有 4 种绘制 scikit-learn 决策树的方法：

使用sklearn.tree.export_text 方法打印树的文本表示
使用sklearn.tree.plot_tree 方法绘图（需要matplotlib）
使用sklearn.tree.export_graphviz 方法绘图（需要graphviz）
使用dtreeviz 包进行绘图（需要dtreeviz 和graphviz）

您可以在这篇博文中找到 sklearn 决策树的不同可视化与代码 sn-ps 的比较：link。

使用 Jupiter notebook 时，记得用 plot 显示变量。 dtreeviz 的示例：

from dtreeviz.trees import dtreeviz # remember to load the package

viz = dtreeviz(clf, X, y,
                target_name="target",
                feature_names=iris.feature_names,
                class_names=list(iris.target_names))

viz # display the tree

【讨论】：