绘制单个XGBoost决策树

Question

我正在https://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/上使用方法来绘制XGBoost决策树

from numpy import loadtxt
from xgboost import XGBClassifier
from xgboost import plot_tree
import matplotlib.pyplot as plt
# load data
dataset = loadtxt('pima-indians-diabetes.csv', delimiter=",")
# split data into X and y
X = dataset[:,0:8]
y = dataset[:,8]
# fit model no training data
model = XGBClassifier()
model.fit(X, y)
# plot single tree
plot_tree(model)
plt.show()

当我获得150个要素时，对于所有分割点而言，该图看起来都非常小，如何绘制清晰的图或在本地保存或以任何其他方式/想法可以清楚地显示出这棵“树”，这一点非常值得赞赏

Answer 1

要添加到Serk的答案中，您还可以在显示图形之前调整图形的大小：

# ...
plot_tree(model)
fig = plt.gcf()
fig.set_size_inches(18.5, 10.5)
plt.show()

Answer 2

我最近也遇到了同样的问题，我发现的唯一方法是尝试使用不同的图形大小（它仍然可以变成大图形的蓝色。例如，要绘制第4棵树，请使用：

fig, ax = plt.subplots(figsize=(30, 30))
xgb.plot_tree(model, num_trees=4, ax=ax)
plt.show()

要保存，可以执行

plt.savefig("temp.pdf")

此外，每棵树都将两个类分开，因此您拥有的树数与类数一样。

Answer 3

您可以改用to_graphviz方法-对我来说，它可以使图片更清晰。

xgb.to_graphviz（xg_reg，num_trees = 0，rankdir ='LR'）

但是，很可能您会遇到该输出大小的问题。

在这种情况下，请遵循以下步骤： How can i specify the figsize of a graphviz representation of Decision Tree

Answer 4

我在github上发现了this workaround，它也提供了更好的图像，但缺点是您必须在之后打开.png文件。

xgb.plot_tree(bst, num_trees=2)
fig = matplotlib.pyplot.gcf()
fig.set_size_inches(150, 100)
fig.savefig('tree.png')