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 操作系统上使用带有 Python 2.7.3 的 Anaconda 的 Ipython Notebook）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'

我使用以下博客文章作为参考： Blogpost 链接

以下stackoverflow问题似乎对我也不起作用： 问题

有人可以帮助我如何在 scikit-learn 中可视化决策树吗？

Answer 1

对于那些使用jupyter和 sklearn(18.2+) 的人来说，这是一个衬里，您甚至不需要matplotlib 。 唯一的要求是graphviz

pip install graphviz

比运行（根据有问题的代码 X 是一个 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 格式显示它。 上面的代码生成 Graphviz 的Source对象（source_code - 并不可怕），它将直接在 jupyter 中呈现。

你可能会用它做的一些事情

在 jupter 中显示它：

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图片，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)

如果你要玩与LIB这里是链接到的实例和userguide

Answer 2

sklearn.tree.export_graphviz不返回任何内容，因此默认情况下返回None 。

通过执行dotfile = tree.export_graphviz(...)您覆盖了之前分配给dotfile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 ）。

要修复它，请将您的代码更改为

...
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，你在安装 graphviz 时遇到问题，你可以通过

1. 如先前的答案所示，使用export_graphviz导出它
2. 在文本编辑器中打开.dot文件
3. 复制这段代码并粘贴到@ 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

以下也可以正常工作：

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')

你可以在这里找到来源

Answer 6

Scikit learn 最近引入了plot_tree方法来使这变得非常容易（0.21 版（2019 年 5 月）中的新功能）。 文档在这里。

这是您需要的最少代码：

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')

如果你想在文本格式查看的规则，有一个答案在这里。 读起来更直观。

Answer 7

我复制并更改您的代码的一部分，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)

确定你有dtree后，这意味着上面的代码运行良好，你添加下面的代码来可视化决策树：

记得先安装graphviz：pip install 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)

我尝试使用我的数据，可视化效果很好，我立即看到了一个 pdf 文件。

Answer 8

您可以复制 export_graphviz 文件的内容，并将其粘贴到webgraphviz.com站点中。

您可以查看关于如何使用 graphviz 在 Python 中可视化决策树的文章以获取更多信息。

Answer 9

使用pydotplus 在这里创建的简单方法（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

这是只需 3 行代码即可获得漂亮图形的最少代码：

from sklearn import tree
import pydotplus

dot_data=tree.export_graphviz(dt,filled=True,rounded=True)
graph=pydotplus.graph_from_dot_data(dot_data)
graph.write_png('tree.png')    
plt.imshow(plt.imread('tree.png'))

我添加了plt.imgshow来查看 Jupyter Notebook 的图表。 如果您只对保存 png 文件感兴趣，则可以忽略它。

我安装了以下依赖项：

pip3 install graphviz
pip3 install pydotplus

对于 MacOs，Graphviz 的 pip 版本不起作用。 按照 Graphviz 的官方文档，我用 brew 安装了它，一切正常。

brew install graphviz

Answer 11

如果您在直接获取源 .dot 时遇到问题，您还可以像这样使用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 12

在jupyter笔记本中，以下内容绘制了决策树：

from sklearn.tree import DecisionTreeClassifier

model = DecisionTreeClassifier()
model.fit(X, y)
dot_data = tree.export_graphviz(model, 
                  feature_names=feature_names,  
                  class_names=class_names,  
                  filled=True, rounded=True,  
                  special_characters=True,
                   out_file=None,
                           )
graph = graphviz.Source(dot_data)
graph

如果要将其另存为png：

graph.format = "png"
graph.render("file_name")