python实现决策树可视化

我不是女神ヾ 2022-11-26 04:59 452阅读 0赞

上一篇文章：[决策树（信息熵、信息增溢、GINI）的计算][GINI]

这篇文章我们来介绍下如何通过python实现决策树可视化。

【概念】

决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果。通过学习样本得到一个决策树，这个决策树能够对新的数据给出正确的分类。

【准备数据】

<table> 
 <tbody> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">outlook</td> 
 <td style="vertical-align:middle;width:126px;">temperature</td> 
 <td style="vertical-align:middle;width:157px;">humidity</td> 
 <td style="vertical-align:middle;width:158px;">windy</td> 
 <td style="vertical-align:middle;width:136px;">play</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">sunny</td> 
 <td style="vertical-align:middle;width:126px;">hot</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">no</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">sunny</td> 
 <td style="vertical-align:middle;width:126px;">hot</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">TRUE</td> 
 <td style="vertical-align:middle;width:136px;">no</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">overcast</td> 
 <td style="vertical-align:middle;width:126px;">hot</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">rainy</td> 
 <td style="vertical-align:middle;width:126px;">mild</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">rainy</td> 
 <td style="vertical-align:middle;width:126px;">cool</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">rainy</td> 
 <td style="vertical-align:middle;width:126px;">cool</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">TRUE</td> 
 <td style="vertical-align:middle;width:136px;">no</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">overcast</td> 
 <td style="vertical-align:middle;width:126px;">cool</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">TRUE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">sunny</td> 
 <td style="vertical-align:middle;width:126px;">mild</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">no</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">sunny</td> 
 <td style="vertical-align:middle;width:126px;">cool</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">rainy</td> 
 <td style="vertical-align:middle;width:126px;">mild</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">sunny</td> 
 <td style="vertical-align:middle;width:126px;">mild</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">TRUE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">overcast</td> 
 <td style="vertical-align:middle;width:126px;">mild</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">TRUE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">overcast</td> 
 <td style="vertical-align:middle;width:126px;">hot</td> 
 <td style="vertical-align:middle;width:157px;">normal&nbsp;</td> 
 <td style="vertical-align:middle;width:158px;">FALSE</td> 
 <td style="vertical-align:middle;width:136px;">yes</td> 
 </tr> 
 <tr> 
 <td style="vertical-align:middle;width:126px;">rainy</td> 
 <td style="vertical-align:middle;width:126px;">mild</td> 
 <td style="vertical-align:middle;width:157px;">high</td> 
 <td style="vertical-align:middle;width:158px;">TRUE</td> 
 <td style="vertical-align:middle;width:136px;">no</td> 
 </tr> 
 </tbody> 
</table>

数据集：[https://wyf0809.lanzoui.com/iEWA8fhbvti][https_wyf0809.lanzoui.com_iEWA8fhbvti]

【编码】

import pandas as pd
    import numpy as np
    
    
    # 导入数据集
    data = pd.read_csv("play.csv")
    # 显示数据集
    print(data)
    
    # 可以看出这是一个分类变量的数据集。然后，我们就要将它变成数值变量，好利于下面的建模。
    from sklearn.preprocessing import LabelEncoder
    print(data.columns)
    # 数据预处理
    # sklearn要求数据输入的特征值（属性）features以及输出的类，必须是数值型的值，而不能是类别值（如outlook属性中的high、overcast、rainy）
    # 使用LabelEncoder对特征进行硬编码(编码为0~n-1(n为种类数))
    labelencoder = LabelEncoder()
    for col in data.columns:
        data[col] = labelencoder.fit_transform(data[col])  # 对数据先拟合在标准化
    # 打印显示对应的编码
    print(data)
    print('\n')
    
    # 开始提取训练集与测试集
    # 导入训练集和测试集切分包
    from sklearn.model_selection import train_test_split
    y = data['play']
    X = data.drop('play', axis=1)
    # 将数据进行分割
    X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=0,test_size=0.2, train_size=0.8)
    '''
    X:样本特征集
    y:样本标签集
    random_state：是随机数的种子。在同一份数据集上，相同的种子产生相同的结果，不同的种子产生不同的划分结果
    test_size：样本占比，测试集占数据集的比重，如果是整数的话就是样本的数量
    x_train,y_train:构成了训练集
    x_test,y_test：构成了测试集
    '''
    columns = X_train.columns
    
    
    
    
    # 接着标准化训练集
    # 数据标准化 保证每个维度的特征数据方差为1，均值为0。使得预测结果不会被某些维度过大的特征值而主导。
    from sklearn.preprocessing import StandardScaler
    ss_X = StandardScaler()
    ss_y = StandardScaler()
    X_train = ss_X.fit_transform(X_train.astype(float))
    X_test = ss_X.transform(X_test.astype(float))
    
    
    # 构建决策树模型
    from sklearn.tree import DecisionTreeClassifier
    # 初始化树模型
    model_tree = DecisionTreeClassifier()  # ()里面不填任何属性默认为Gini，里面填写criterion='entropy'使用的是信息熵
    # 拟合数据集
    model_tree.fit(X_train, y_train)
    
    
    # 评价模型准确性:使用决策树对测试数据进行类别预测
    y_prob = model_tree.predict_proba(X_test)[:,1]
    # np.where(condition, x, y)；满足条件(condition)，输出x，不满足输出y。
    y_pred = np.where(y_prob > 0.5, 1, 0)
    # 预测的精准度
    model_tree.score(X_test, y_pred)
    
    
    
    # 可视化树图
    data_ = pd.read_csv("play.csv")
    # 特征列名
    data_feature_name = data_.columns[:-1]
    # 标签分类
    data_target_name = np.unique(data_["play"])
    
    
    import pydotplus
    from sklearn import tree
    from IPython.display import Image
    import os
    
    # 设置环境变量：因为scikit-learn决策树结果的可视化需要使用到Graphviz
    os.environ["PATH"] += os.pathsep + 'D:\Tools\graphviz\Graphviz 0.1.1\bin'
    # 可视化决策树
    dot_tree = tree.export_graphviz(model_tree,feature_names=data_feature_name,class_names=data_target_name,filled=True, rounded=True,special_characters=True)
    graph = pydotplus.graph_from_dot_data(dot_tree)
    img = Image(graph.create_png())
    # 输出图片
    graph.write_png("out_01.png")

【运行结果】

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d5ZjIwMTc_size_16_color_FFFFFF_t_70][]

【相关文章链接】

Graphviz的安装：[https://blog.csdn.net/wyf2017/article/details/107792316][https_blog.csdn.net_wyf2017_article_details_107792316]

[GINI]: https://blog.csdn.net/wyf2017/article/details/107844639
[https_wyf0809.lanzoui.com_iEWA8fhbvti]: https://wyf0809.lanzoui.com/iEWA8fhbvti
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3d5ZjIwMTc_size_16_color_FFFFFF_t_70]: /images/20221124/a760e5edcc12405085ee04648285cf78.png
[https_blog.csdn.net_wyf2017_article_details_107792316]: https://blog.csdn.net/wyf2017/article/details/107792316