在scikit-learn中可视化决策树

Question

我正在尝试使用Python中的scikit-learn设计一个简单的决策树（我在Windows操作系统上使用Anaconda的Ipython Notebook和Python 2.7.3）并将其可视化如下：

from pandas import read_csv, DataFrame
from sklearn import tree
from os import system

data = read_csv('D:/training.csv')
Y = data.Y
X = data.ix[:,"X0":"X33"]

dtree = tree.DecisionTreeClassifier(criterion = "entropy")
dtree = dtree.fit(X, Y)

dotfile = open("D:/dtree2.dot", 'w')
dotfile = tree.export_graphviz(dtree, out_file = dotfile, feature_names = X.columns)
dotfile.close()
system("dot -Tpng D:.dot -o D:/dtree2.png")

但是，我收到以下错误：

AttributeError: 'NoneType' object has no attribute 'close'

我使用以下博文作为参考：Blogpost link

以下stackoverflow问题对我来说似乎也不起作用：Question

有人可以帮助我了解如何在scikit-learn中显示决策树吗？

Answer 1

对于那些使用 jupyter 和sklearn（18.2+）的人来说，这是一个班轮你甚至不需要matplotlib。只有graphviz

的要求

pip install graphviz

比运行（根据问题X中的代码是pandas DataFrame）

from graphviz import Source
from sklearn import tree
Source( tree.export_graphviz(dtreg, out_file=None, feature_names=X.columns))

这将以SVG格式显示。上面的代码生成Graphviz的Source对象（source_code - 不可怕），它将直接在jupyter中呈现。

你可能会做的一些事情

在jupter中显示：

from IPython.display import SVG
graph = Source( tree.export_graphviz(dtreg, out_file=None, feature_names=X.columns))
SVG(graph.pipe(format='svg'))

另存为png：

graph = Source( tree.export_graphviz(dtreg, out_file=None, feature_names=X.columns))
graph.format = 'png'
graph.render('dtree_render',view=True)

获取png图像，保存并查看：

graph = Source( tree.export_graphviz(dtreg, out_file=None, feature_names=X.columns))
png_bytes = graph.pipe(format='png')
with open('dtree_pipe.png','wb') as f:
    f.write(png_bytes)

from IPython.display import Image
Image(png_bytes)

如果您打算使用该库，请访问examples和userguide

的链接

Answer 2

sklearn.tree.export_graphviz不会返回任何内容，因此默认情况下会返回None。

通过执行dotfile = tree.export_graphviz(...)，您会覆盖之前已分配给dotfile的打开文件对象，因此当您尝试关闭文件时会出现错误（因为它现在是None {1}}）。

要修复它，请将代码更改为

...
dotfile = open("D:/dtree2.dot", 'w')
tree.export_graphviz(dtree, out_file = dotfile, feature_names = X.columns)
dotfile.close()
...

Answer 3

如果像我一样，您在安装graphviz时遇到问题，可以通过

显示树

1. 使用export_graphviz导出它，如前面的答案中所示
2. 在文本编辑器中打开.dot文件
3. 复制该段代码并将其粘贴@ webgraphviz.com

Answer 4

或者，您可以尝试使用pydot从dot：

生成png文件

...
tree.export_graphviz(dtreg, out_file='tree.dot') #produces dot file

import pydot
dotfile = StringIO()
tree.export_graphviz(dtreg, out_file=dotfile)
pydot.graph_from_dot_data(dotfile.getvalue()).write_png("dtree2.png")
...

Answer 5

您可以复制export_graphviz文件的内容，然后将其粘贴到MediaCodec.getOutputImage网站中。

您可以查看有关如何webgraphviz.com的文章以获取更多信息。

Answer 6

如果您在直接获取源.dot时遇到问题，也可以像这样使用Source.from_file：

from graphviz import Source
from sklearn import tree
tree.export_graphviz(dtreg, out_file='tree.dot', feature_names=X.columns)
Source.from_file('tree.dot')

Answer 7

我复制并更改了部分代码，如下所示：

from pandas import read_csv, DataFrame
from sklearn import tree
from sklearn.tree import DecisionTreeClassifier
from os import system

data = read_csv('D:/training.csv')
Y = data.Y
X = data.ix[:,"X0":"X33"]

dtree = tree.DecisionTreeClassifier(criterion = "entropy")
dtree = dtree.fit(X, Y)

确保拥有dtree后，这意味着上面的代码运行良好，然后添加以下代码以可视化决策树：

请记住先安装graphviz：pip安装graphviz

import graphviz 
from graphviz import Source
dot_data = tree.export_graphviz(dtree, out_file=None, feature_names=X.columns)
graph = graphviz.Source(dot_data) 
graph.render("name of file",view = True)

我尝试了数据，可视化效果很好，并且立即查看了pdf文件。

Answer 8

以下内容也可以正常工作：

from sklearn.datasets import load_iris
iris = load_iris()

# Model (can also use single decision tree)
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=10)

# Train
model.fit(iris.data, iris.target)
# Extract single tree
estimator = model.estimators_[5]

from sklearn.tree import export_graphviz
# Export as dot file
export_graphviz(estimator, out_file='tree.dot', 
                feature_names = iris.feature_names,
                class_names = iris.target_names,
                rounded = True, proportion = False, 
                precision = 2, filled = True)

# Convert to png using system command (requires Graphviz)
from subprocess import call
call(['dot', '-Tpng', 'tree.dot', '-o', 'tree.png', '-Gdpi=600'])

# Display in jupyter notebook
from IPython.display import Image
Image(filename = 'tree.png')

您可以找到源here

Answer 9

用here创建pydotplus的简单方法（必须安装graphviz）：

from IPython.display import Image  
from sklearn import tree
import pydotplus # installing pyparsing maybe needed

...

dot_data = tree.export_graphviz(best_model, out_file=None, feature_names = X.columns)
graph = pydotplus.graph_from_dot_data(dot_data)
Image(graph.create_png())

Answer 10

Scikit learning最近引入了plot_tree方法来简化此操作（0.21版（2019年5月新增）。文档here。

这是您需要的最低代码：

from sklearn import tree
plt.figure(figsize=(40,20))  # customize according to the size of your tree
_ = tree.plot_tree(your_model_name, feature_names = X.columns)
plt.show()

plot_tree支持一些参数来美化树。例如：

from sklearn import tree
plt.figure(figsize=(40,20))  
_ = tree.plot_tree(your_model_name, feature_names = X.columns, 
             filled=True, fontsize=6, rounded = True)
plt.show()

如果要将图片保存到文件，请在plt.show()之前添加以下行：

plt.savefig('filename.png')

如果您想以文本格式查看规则，请回答here。阅读起来更直观。