今天看到别人的文章，说到了随机森林可视化，于是尝试了下。
window安装
windows版本安装:
1.在下面去下载window的exe安装包，安装graphviz。
http://www.graphviz.org/download/
在路径选项，点击add path to computer，然后后面全部点确定就行。安装好以后，打开powershell,输入dot -version，就可以看到安装成功了。
2.安装pygraphviz和pybaobabdt
# 安装pygraphvizconda install --channel conda-forge pygraphviz# 安装pybaobabdtpip install pybaobabdtpybaobabdt.drawTree(decisionTreeClassifier, features=[], model=[], colormap='viridis', size=15, dpi=300, ratio=1, classes=[], maxdepth=-1, ax=-1)linux安装
sudo apt-get install graphviz graphviz-devvim ~/.bashrcconda install --channel conda-forge pygraphvizpip install pybaobabdt主要是使用Pybaobabdt来绘制决策树。
展示
下面这个是官网作者的图
这是我的数据的图：
不得不说，，，这个图也太丑了点，虽然用的是默认的决策树超参数。。。
DecisionTree( criterion=‘gini’, splitter=‘best’, max_depth=None, min_samples_split=2, min_samples_leaf=1, min_weight_fraction_leaf=0.0, max_features=None, random_state=None, max_leaf_nodes=None, min_impurity_decrease=0.0, class_weight=None, ccp_alpha=0.0)
| max_depth = 10 | max_depth = 3 |
|---|---|
 | |
 | |
我这个数据由于特征值太小，所以默认的决策树生长到5层就不生长了。所以max_depth参数只在1-5之间才有用。这加深了我对树类模型的调参认识。
from matplotlib.colors import ListedColormapcolors = ["gray", "purple"]colormap = ListedColormap(colors)pybaobabdt.drawTree(clf, size=10, dpi=72, features=features, colormap=colormap)
Usage
pybaobabdt.drawTree(decisionTreeClassifier, features=[], model=[], colormap='viridis', size=15, dpi=300, ratio=1, classes=[], maxdepth=-1, ax=-1)这个ratio用来控制字符显示大小，maxdepth用来控制树的显示，可以选择只显示顶端5行。
随机森林用法
随机森林可以选择只显示其中一棵树
clf = RandomForestClassifier(n_estimators=20).fit(data, label)pybaobabdt.drawTree(clf.estimators_[0], size=10, dpi=300, features=features)