introduction

J'étudie en utilisant "100 coups de pratique Python". Je pense que ce livre est vraiment bon car vous pouvez étudier l'analyse des données en utilisant des données proches de la situation réelle (bien qu'il y ait en fait beaucoup de données encore pires ...). Dans le chapitre 5 de ce livre, il y a une scène où scikit-learn est utilisé pour l'analyse à l'aide d'un arbre de décision. J'ai donc créé un modèle, mais j'ai essayé de visualiser l'arborescence à l'aide de graphviz, donc je l'ai essayé cette fois.

Parce que les débutants ont posté, je vous serais reconnaissant si vous pouviez m'apprendre si vous faites une erreur.

Lecteurs cibles

Ceux qui lisent 100 coups de pratique Python
Ceux qui recherchent une méthode de visualisation de l'arbre de décision avec scikit-learn

Emplacement cible

Python pratique 100 coups -> Chapitre 5 10 coups pour prédire le retrait du client -> Knock 49: Vérifions les variables contributives du modèle

Mon environnement PC

macOS Catalina 10.15.3
Python 3.7.7
scikit-learn 0.22.2.post1
Jupyter 1.0.0

installation de graphviz

Tout d'abord, installez l'unité principale en utilisant homebrew.

brew install graphviz

De plus, installez la bibliothèque pour Python en utilisant pip (anaconda semble pouvoir le faire avec conda).

pip install graphviz

code

Ce qui suit est basé sur l'hypothèse que le code de la p.127 a été implémenté.

1. Comment afficher sur le notebook Jupyter

Tout ce que vous avez à faire est d'ajouter le code suivant. C'est très facile.

from sklearn import tree
import graphviz
dot_data = tree.export_graphviz(model, out_file=None)
graph = graphviz.Source(dot_data)
graph

2. Comment créer un fichier

Vous pouvez créer un fichier pdf avec juste quelques modifications du dernier code. Dans cet exemple, "test.pdf" est créé dans le répertoire courant.

from sklearn import tree
import graphviz
dot_data = tree.export_graphviz(model, out_file=None)
graph = graphviz.Source(dot_data)
graph.render('test')

3. Comment créer un fichier à l'aide du terminal (bonus)

J'ai utilisé la fonction export_graphviz de sklearn.tree pour créer un fichier d'arbre de décision au format de langage DOT et exécuter des commandes système sur le bloc-notes Jupyter.

from sklearn import tree
import graphviz
with open('test.dot', mode='w') as f:
    tree.export_graphviz(model, out_file=f)
!dot -T png test.dot -o test.png

Les références

Cet article a été rédigé en référence aux informations suivantes. Voir ci-dessous pour plus d'informations. 1.10. Arbres de décision (document officiel) sklearn.tree.export_graphviz (également documentation officielle) Essayez l'arbre de décision avec Python: scicit-learn (je l'ai utilisé comme référence)

Python pratique 100 coups J'ai essayé de visualiser l'arbre de décision du chapitre 5 en utilisant graphviz