绘制单个 XGBoost 决策树
Plot a Single XGBoost Decision Tree
我正在使用 https://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/ 上的方法绘制 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()
因为我有150个特征,所有分割点的图看起来都很小,如何画一个清晰的或保存在本地或任何其他地方ways/ideas可以清楚地表明这棵“树”非常受欢迎
我最近遇到了同样的问题,我发现的唯一方法是尝试不同的图形大小(它仍然可以是大图形的蓝色。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()
要保存它,你可以这样做
plt.savefig("temp.pdf")
此外,每棵树分隔两个 class,因此您拥有与 class 一样多的树。
要添加到 Serk 的回答中,您还可以在显示之前调整图形大小:
# ...
plot_tree(model)
plt.gcf().set_size_inches(18.5, 10.5)
plt.show()
您可以尝试使用 to_graphviz 方法 - 对我来说,它会产生更清晰的图像。
xgb.to_graphviz(xg_reg, num_trees=0, rankdir='LR')
但是,您很可能会对输出的大小有疑问。
在这种情况下,请执行以下操作:
我在 github 上找到了 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')
我正在使用 https://machinelearningmastery.com/visualize-gradient-boosting-decision-trees-xgboost-python/ 上的方法绘制 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()
因为我有150个特征,所有分割点的图看起来都很小,如何画一个清晰的或保存在本地或任何其他地方ways/ideas可以清楚地表明这棵“树”非常受欢迎
我最近遇到了同样的问题,我发现的唯一方法是尝试不同的图形大小(它仍然可以是大图形的蓝色。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()
要保存它,你可以这样做
plt.savefig("temp.pdf")
此外,每棵树分隔两个 class,因此您拥有与 class 一样多的树。
要添加到 Serk 的回答中,您还可以在显示之前调整图形大小:
# ...
plot_tree(model)
plt.gcf().set_size_inches(18.5, 10.5)
plt.show()
您可以尝试使用 to_graphviz 方法 - 对我来说,它会产生更清晰的图像。
xgb.to_graphviz(xg_reg, num_trees=0, rankdir='LR')
但是,您很可能会对输出的大小有疑问。
在这种情况下,请执行以下操作:
我在 github 上找到了 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')