rfvis 0.3.0

rfvis

用于可视化随机林的结构和性能的工具（以及基于决策树的其他集成方法）。

rfvis提供了一个命令行api和一个python api，分别在asklearn.ensemble.randomForestClassifier

开始

通过pip安装和更新rfvis

$ pip install rfvis

这将允许您在 浏览器。要从模型直接生成svg文件，还需要安装 node.js，有关详细信息，请参阅命令行界面。

命令行api

rfvis提供了一个命令行工具，可以直接从 您的输入数据（rfvis cli<；data>；）或启动基于web的gui以获得更多 交互式分析（rfvis gui<；data>；）。

要查看所有可用的命令运行：

$ rfvis --help
Usage: rfvis [OPTIONS] COMMAND [ARGS]...

  A tool for visualizing the structure and performance of Random Forests

Options:
  --version  Show the version and exit.
  --help     Show this message and exit.

Commands:
  cli  Command line interface to generate SVGs.
  gui  Web-based graphical user interface.

图形用户界面

要使用基于web的gui以交互方式分析您的林，请运行：

$ rfvis gui /path/to/data
 * Running on http://127.0.0.1:8080/ (Press CTRL+C to quit)

现在，您可以打开浏览器http://localhost:8080" rel="nofollow">http://localhost:8080来查看类似的内容：

命令行界面

要使用命令行界面（cli），您需要 在您的系统上安装了node.jsv8+。这个 是由于渲染是用 JavaScript。不过，您不需要安装任何其他软件包，cli 集成到已通过pip安装的命令行工具中：

$ rfvis cli /path/to/data
>> Exported "/dev/random-forest-visualization/tree-0.svg"
>> Exported "/dev/random-forest-visualization/tree-1.svg"
>> Exported "/dev/random-forest-visualization/tree-2.svg"
>> Exported "/dev/random-forest-visualization/tree-3.svg"
...

使用--help：

$ rfvis cli --help
Usage: rfvis cli [OPTIONS] FOREST_JSON

  Web-based graphical user interface.

  As Python is unable to render React components, we make a subprocess call to a small
  Node.js application which will do the rendering and also store the created SVG
  files. This command requires that Node.js is installed on your system!

  FOREST_JSON: Path to the JSON file that contains the forest's data.

Options:
  -o, --out PATH                  Output path of the SVG files.  [default: (current
                                  working directory)]
  -w, --width INTEGER             Width of the SVG.  [default: 800]
  -h, --height INTEGER            Height of the SVG.  [default: 800]
  --trunk-length INTEGER          Length of the trunk which influences the overall tree
                                  size.  [default: 100]
  --display-depth INTEGER         Maximum depth of the tree rendering. Cut of leaves are
                                  visualized as pie chart consolidation nodes.
  --branch-color [Impurity]       Coloring of the branches.  [default: Impurity]
  --leaf-color [Impurity|Best Class]
                                  Coloring of the leaves.  [default: Impurity]
  --help                          Show this message and exit.

输入数据

命令行api的数据必须作为json文件在文件系统中可用 对于林和每个树另外一个csv文件。两种数据格式都将 在将来使用属性进行扩展，这只是最小的集合。

您可以在examples/polsar下找到一个工作示例。

森林json

mainforest.json保存有关集成模型的所有信息：

• 名称（字符串）：您的林的名称，将显示在图形用户界面中
• 错误（浮点）：的错误（例如，袋外或验证错误） 整个集成模型将显示在图形用户界面中
• n_samples（int）：在模型上训练的样本数
• 相关矩阵（float[]]）：单树之间的相关性在内部 模型。具有维数nxn其中n是树的数量。 这将用于计算森林地图。
• 类：输出类
  • 名称（字符串）：类的名称
  • 颜色（int，int，int）：0-255范围内的rgb值，其中 确定可视化中类的颜色
• 树：森林中的树
  • 错误（浮动）：错误（同样可能是袋外或 单个树的验证错误
  • 数据（字符串）：包含树数据的csv文件的相对路径

树csv

对于forest.jsonrfvis中指定的每个树，都需要一个csv文件，其中 条目表示树中的一个节点。条目的格式如下：

• id（int）：节点的id
• 深度（int）树中节点的深度（从0开始）
• n节点样本（int）：到达节点的训练样本数
• 杂质（float）：节点的杂质（0-1）
• 值（int[]）：节点内的类分布，即每个条目 表示节点中响应特定 班级。索引对应于forest.classes
中的索引。

python api

rfvis还提供了一个python api，它直接在scikit-learn-randomforestclassifier上工作。 您可以在examples/scikit_learn.py下找到一个工作示例。

函数rfvis.gui（）在基于web的图形用户界面中可视化一个合适的randomForestClassifier。 服务器在一个单独的进程中运行，可在http://localhost:<；port>；

gui(model,data=None,target=None,name=None,class_names=None,class_colors=None,port=8080)

$ pipenv install

$ pipenv run rfvis gui <path_to_forest_json>

$ npm install

$ pip install rfvis

$ pip install rfvis