使用 export graphviz 将特征和类名称放入决策树答案

【问题标题】：Get feature and class names into decision tree using export graphviz使用 export graphviz 将特征和类名称放入决策树
【发布时间】：2017-01-21 09:48:30
【问题描述】：

下午好，

我正在研究决策树分类器，但无法对其进行可视化。我可以输出决策树，但是我无法将我的功能或类名称/标签放入其中。我的数据采用 pandas 数据框格式，然后我将其移动到 numpy 数组中并传递给分类器。我已经尝试了一些事情，但是当我尝试指定类名时似乎在导出时出错。任何帮助，将不胜感激。代码如下。

all_inputs=df.ix[:,14:].values
all_classes=df['wic'].values

(training_inputs,
 testing_inputs,
 training_classes,
 testing_classes) = train_test_split(all_inputs, all_classes,train_size=0.75, random_state=1)

decision_tree_classifier=DecisionTreeClassifier()
decision_tree_classifier.fit(training_inputs,training_classes)

export_graphviz(decision_tree_classifier, out_file="mytree.dot",  
                     feature_names=??,  
                     class_names=??)

就像我说的，如果我取出 feature_names 和 class_names 参数，它运行良好并输出决策树。如果可能的话，我想将它们包含在输出中并且已经碰壁了......

任何帮助将不胜感激！

谢谢，

斯科特

【问题讨论】：

标签： python scikit-learn decision-tree

【解决方案1】：

类名存储在decision_tree_classifier.classes_ 中，即DecisionTreeClassifier 实例的classes_ 属性。特征名称应该是输入数据框的列。对于您的情况，您将拥有

class_names = decision_tree_classifier.classes_
feature_names = df.columns[14:]

【讨论】：

【解决方案2】：

就我个人而言，class_names = True 有效。它将显示结果的符号表示。

feature_names = df.columns[14:]
tree.export_graphviz(decision_tree_classifier, out_file="mytree.dot",  
                     feature_names=feature_names ,  
                     class_names=TRUE)

以下是有关该主题的更多详细信息：https://scikit-learn.org/stable/modules/generated/sklearn.tree.export_graphviz.html

【讨论】：