[PYTHON] Der tree.plot_tree von scikit-learn war sehr einfach und bequem, daher habe ich versucht, zusammenzufassen, wie man es einfach benutzt.

Die in Python implementierte Bibliothek für maschinelles Lernen scikit-learn wird häufig verwendet, da sie das Experimentieren mit verschiedenen Algorithmen erleichtert. .. Apropos Blütenformen: TensorFlow und PyTorch sind in einem starren Feld schwer zu verwenden. .. .. Mit einem solchen Scikit-Lernen wurde eine typische Methode zum überwachten Lernen "Entscheidungsbaum" ab Version 0.21.x nach dem Lernen implementiert, daher habe ich es versucht, während ich es mit der herkömmlichen Methode unter Verwendung von GraphViz verglichen habe. Es war.

Traditionelle Visualisierungsmethode: Verwenden von GraphViz

Zuvor habe ich eine andere Bibliothek namens GraphViz installiert und verwendet. Es kostet viel Zeit und Mühe. .. ..

GraphViz-Installation@Mac

brew install graphviz
pip install graphviz

GraphViz-Installation@Ubuntu

sudo apt install -y graphviz
pip install graphviz

Methode mit GraphViz

import graphviz
from sklearn import tree

iris = load_iris()
clf = DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)

graph = graphviz.Source(tree.export_graphviz(clf, class_names=iris.feature_names, filled=True))
graph

Ausführungsergebnis

Das Ausführungsergebnis kann als PDF gespeichert werden, indem `graph.render ('entscheidungsbaum') 'ausgeführt wird.

Verwenden Sie tree.plot_tree

Zeichnen wir eine ähnliche Figur wie mit GraphViz mit tree.plot_tree. Da es im Baummodul von scikit-learn gespeichert ist, ist keine zusätzliche Installation erforderlich.

tree.plot_Methode mit Baum

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

iris = load_iris()
clf = DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)
iris = load_iris()
plt.figure(figsize=(15, 10))
plot_tree(clf, feature_names=iris.feature_names, filled=True)
plt.show()

Ausführungsergebnis

Ich konnte dieselbe Zahl wie die Methode mit GraphViz ausgeben. Wenn Sie es auf Jupyter Notebook ausführen, können Sie mit der rechten Maustaste auf das Zeichnungsergebnis klicken und es als Bild speichern.

Zusammenfassung

Ich habe eine Methode mit scikit-learns tree.plot_tree und dem herkömmlichen GraphViz zur Visualisierung des Entscheidungsbaums erstellt und festgestellt, dass tree.plot_tree einfacher und bequemer ist (als die herkömmliche Methode). Ich möchte es in Zukunft aktiv nutzen.

Reference

• 1.10. Decision Trees
• sklearn.tree.tree_plot