python plot_tree 保存

原创

mob64ca12d9081f 2024-03-19 05:38:12 ©著作权

©著作权归作者所有：来自51CTO博客作者mob64ca12d9081f的原创作品，请联系作者获取转载授权，否则将追究法律责任

Python中使用plot_tree保存决策树模型

在机器学习中，决策树是一种常用的模型，它可以帮助我们理解数据之间的关系，并做出预测。在Python中，我们可以使用plot_tree函数来可视化决策树模型，并将其保存为图片文件。本文将介绍如何使用plot_tree函数，并将决策树保存为图片。

安装相关库

在开始之前，我们需要安装scikit-learn库来创建决策树模型，并安装matplotlib库来绘制决策树图形。你可以使用以下命令来安装这些库：

pip install scikit-learn matplotlib

创建决策树模型

首先，我们需要创建一个简单的决策树模型。这里我们以鸢尾花数据集为例，代码如下：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建决策树模型
clf = DecisionTreeClassifier()
clf.fit(X_train, y_train)

# 在测试集上评估模型
y_pred = clf.predict(X_test)
print("Accuracy:", accuracy_score(y_test, y_pred))

在上面的代码中，我们加载了鸢尾花数据集，并创建了一个简单的决策树分类器。然后将数据集划分为训练集和测试集，最后评估了模型在测试集上的准确率。

可视化决策树模型

接下来，我们将使用plot_tree函数来可视化决策树模型。代码如下：

from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

plt.figure(figsize=(20,10))
plot_tree(clf, feature_names=iris.feature_names, class_names=iris.target_names, filled=True)
plt.savefig('decision_tree.png')
plt.show()

在上面的代码中，我们使用plot_tree函数将决策树模型可视化，并设置了特征名和类别名。最后使用savefig函数将图形保存为decision_tree.png文件。