机器学习2-决策树的可视化
来源:互联网 发布:淘宝运营策划案 编辑:程序博客网 时间:2024/05/20 06:04
iris数据
鸢尾花数据是一个经典的入门案例
python代码
# coding=utf-8# sklearn中为我们准备的数据-iris# iris有三种鸢尾花,山鸢尾花,变色鸢尾和维吉尼亚鸢尾# 数据中有4个特征(feature)# sepal length (花萼长度)# sepal width (花萼宽度)# petal lenth (花瓣长度)# petal width (花瓣宽度)from sklearn.datasets import load_iris;from sklearn import treeimport numpy as np# 获取鸢尾数据iris = load_iris()# 用来做测试的数据下标test_idx = [0,50,100]# 用以训练的数据train_target = np.delete(iris.target,test_idx)train_data = np.delete(iris.data,test_idx,axis=0)# 用以测试的数据test_target = iris.target[test_idx]test_data = iris.data[test_idx]# 决策树clf = tree.DecisionTreeClassifier()clf.fit(train_data,train_target)# 打印出测试数据和决策树的预言数据# 结果应该是一样的(即决策树能正确预测)print "test_target:"print test_targetprint "predict:"print clf.predict(test_data)# 将决策树可视化# 需要pydot(我安装了兼容版本pydotplus)# 同时需要Graphviz(请去官网www.graphviz.org下载)from sklearn.externals.six import StringIOimport pydotplusdot_data = StringIO()tree.export_graphviz(clf, out_file=dot_data, feature_names=iris.feature_names, class_names=iris.target_names, filled=True,rounded=True, impurity=False)graph = pydotplus.graph_from_dot_data(dot_data.getvalue())# 输出pdf,显示整个决策树的思维过程graph.write_pdf("viz.pdf")
决策树是少数可以被可视化的分类器
附图:
“`
0 0
- 机器学习2-决策树的可视化
- 决策树的学习--并且可视化决策树
- 机器学习笔记--决策树&决策树可视化
- 机器学习2决策树
- Google机器学习教程心得(二)决策树与可视化
- 【机器学习】决策树的优缺点
- 机器学习的决策树介绍
- 机器学习笔记(2)-决策树
- 机器学习算法(2) 决策树
- 机器学习笔记(2)-决策树
- 机器学习算法的Python实现 (2):ID3决策树
- 【2】机器学习实战 第三章 决策树的构造
- 机器学习实战笔记(2) 决策树(分类的方法)
- 【机器学习算法-python实现】决策树-Decision tree(2) 决策树的实现
- 【机器学习算法-python实现】决策树-Decision tree(2) 决策树的实现
- 机器学习实战 (2)决策树 (二) 决策树ID3算法的优缺点
- 机器学习实战学习_____(2)决策树
- [机器学习]决策树算法的理论基础
- 利用兼容DC和兼容位图实现图形重绘
- 图像化用户界面介绍
- 欢迎使用CSDN-markdown编辑器
- 贪心2 HDU - 1050 题解
- weblogic 11g类加载问题总结
- 机器学习2-决策树的可视化
- Java多线程编程:变量共享分析(Thread)
- leecode 解题总结:69. Sqrt(x)
- 测试
- leetcode-447-Number of Boomerangs
- 目前在机器学习领域异构计算得到重视,GPU占据主流位置,Fpga初现端倪,不知fpga在机器学习的前景如何?
- 新年的第十天
- CSS实现的几款不错的菜单栏
- 160 - 9 Andrnalin.2