我使用scikit learn的DecisionTreeClassifier对一些多类数据进行分类。我发现了很多描述如何显示决策树路径的文章,比如here,here,和{a4}。但是,它们都描述了如何为训练后的数据显示树。这是有道理的,因为^{
我的问题是如何在测试样本上可视化树(最好是export_graphviz
)。一、 在用clf.fit(X[train], y[train])
拟合模型,然后用clf.predict(X[test])
预测测试数据的结果之后,我想可视化用于预测样本X[test]
的决策路径。有办法吗?在
编辑:
我看到可以使用decision_path打印路径。如果有一种方法可以从export_graphviz
获得一个DOT
输出来显示它,那就太好了。在
为了获得决策树中特定样本的路径,可以使用^{} 。它返回一个稀疏矩阵,其中包含所提供样本的决策路径。在
然后可以使用这些决策路径为通过
pydot
生成的树加上颜色/标签。这需要重写颜色和标签(这会导致一些难看的代码)。在注意事项
decision_path
可以从训练集或新值中获取样本示例
在下面的示例中,一个访问过的节点是绿色的,所有其他节点都是白色的。在
相关问题 更多 >
编程相关推荐