python决策树视图

1、环境：Jupyter Notebook需要在Anaconda3安装graphviz和pydotplus

2、安装办法：官网http://www.graphviz.org/ 下载

3、安装办法，默认条件下一步即可

4、环境变量配置

安装完成后把graphviz安装路径的bin目录配置环境变量的path中，C:\UserProgramFile\graphviz\bin\

方法：选中电脑——右击属性——高级系统设置——环境变量——点击新建——输入变量值：path 变量名：graphviz这个文件夹的路径——确定即可

5、Wins+R输入cmd输入pip install pydotplus 即可安装pydotplus

5、然后重启Jupyter Notebook，再次运行程序。

6、运行预测模型如下：

import pandas as pd

from sklearn.feature_extraction import DictVectorizer

from sklearn.model_selection import train_test_split

from sklearn.tree import DecisionTreeClassifier, export_graphviz

import pydotplus

from sklearn import tree

from sklearn.metrics import accuracy_score #导入准确度基础分数函数

df=pd.read_csv('C:/Users/llx/Desktop/music/music.csv')

#输入集

X = df.drop(columns=['genre'])

#输出集

Y = df['genre']

X_train, X_test, Y_train, Y_test =train_test_split(X, Y, test_size=0.2) #把20%数据分给测试集,这个函数返回4个变量并把4个参数传入对应位置

model = DecisionTreeClassifier() #调用模型创建实例决策树分类器

#model.fit(X,Y) #训练模型传入的是全部数据

model.fit(X_train, Y_train) #训练模型传入的只是测试数据

#预测①21岁男性，音乐喜爱类型；②22岁女性，音乐喜爱类型

#predicts = model.predict([ [21, 1], [22, 0] ])

#predicts

#预测值

predictions = model.predict(X_test) #用测试输入值，得到预测值

score = accuracy_score(Y_test,predictions) #测试值（实际值），预测值

score

# 决策树可视化

dot_data = tree.export_graphviz(model, out_file=None)

graph = pydotplus.graph_from_dot_data(dot_data)

graph.write_pdf("tree1.pdf")

7、运行结果显示True，表示图片已经生成，保存在Python同文件下

8、图片效果如下：