在 scikit-learn 中可视化决策树

Question

我正在尝试在 Python 中使用 scikit-learn 设计一个简单的决策树（我在 Windows 上使用 Anaconda 的 Ipython Notebook 和 Python 2.7.3 OS) 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'

我参考以下博客post：Blogpost link

以下 Whosebug 问题似乎对我也不起作用：Question

有人可以帮助我了解如何在 scikit-learn 中可视化决策树吗？

Answer 1

sklearn.tree.export_graphviz 没有 return 任何东西，因此默认情况下 returns None.

通过执行 dotfile = tree.export_graphviz(...)，您将覆盖之前已分配给 dotfile 的打开文件对象，因此当您尝试关闭文件时会收到错误消息（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 2

或者，您可以尝试使用 pydot 从点生成 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 3

如果你像我一样在安装 graphviz 时遇到问题，你可以通过

可视化树

使用 export_graphviz 导出它，如之前的答案所示
在文本编辑器中打开 .dot 文件
复制这段代码并粘贴@webgraphviz.com

Answer 4

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

您可以查看关于如何 visualize the decision tree in Python with graphviz 的文章了解更多信息。

Answer 5

这是为那些正在使用 jupyter 和 sklearn(18.2+) 的人准备的一套工具，你甚至不需要 matplotlib。唯一的要求是 graphviz

pip install graphviz

比运行（根据问题代码 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。上面的代码生成了 Graphviz 的 Source object (source_code - 并不可怕）这将直接在 jupyter 中呈现。

您可能会用它做的一些事情

以jupter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)

如果您要使用该库，请点击此处 examples and userguide

的链接

Answer 6

如果您运行遇到直接获取源 .dot 的问题，您也可以像这样使用 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

我复制并修改了你的部分代码如下：

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)

我尝试了我的数据，可视化效果很好，我立即看到了一个 pdf 文件。

Answer 8

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')

你可以找到来源here

Answer 9

创建的简单方法here with pydotplus（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 learn 最近引入了 plot_tree 方法来使这变得非常简单（0.21 版（2019 年 5 月）中的新增功能）。文档 here。

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中，在plt.show()前添加下面一行：

plt.savefig('filename.png')

如果您想查看文本格式的规则，这里有答案here。阅读起来更直观。

Answer 11

这是仅需 3 行代码即可获得漂亮图表的最少代码：

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'))

我刚刚添加了 plt.imgshow 以在 Jupyter Notebook 中查看图表。如果你只对保存png文件感兴趣，可以忽略它。

我安装了以下依赖项：

pip3 install graphviz
pip3 install pydotplus

对于 MacO，Graphviz 的 pip 版本不起作用。按照 Graphviz 的 official documentation，我用 brew 安装了它，一切正常。

brew install graphviz

在 scikit-learn 中可视化决策树

Visualizing decision tree in scikit-learn

python

visualization

decision-tree

scikit-learn