绘制决策树#
- sklearn.tree.plot_tree(decision_tree, *, max_depth=None, feature_names=None, class_names=None, label='all', filled=False, impurity=True, node_ids=False, proportion=False, rounded=False, precision=3, ax=None, fontsize=None)[source]#
绘制决策树。
显示的样本计数将使用任何存在的 `sample_weights` 进行加权。
可视化会自动适应坐标轴的大小。使用 `plt.figure` 的 `figsize` 或 `dpi` 参数来控制渲染的大小。
在用户指南中了解更多信息。
版本 0.21 中添加。
- 参数：
- decision_tree决策树回归器或分类器
要绘制的决策树。
- max_depthint，默认为 None
表示的最大深度。如果为 None，则完全生成树。
- feature_names类似数组的 str，默认为 None
每个特征的名称。如果为 None，则使用通用名称（“x[0]”、“x[1]”……）。
- class_names类似数组的 str 或 True，默认为 None
每个目标类的名称，按升序排列。仅与分类相关，不支持多输出。如果为 `True`，则显示类名的符号表示。
- label{'all', 'root', 'none'}，默认为 'all'
是否显示杂质等的信息标签。选项包括 'all'（在每个节点显示）、'root'（仅在顶部根节点显示）或 'none'（不在任何节点显示）。
- filledbool，默认为 False
设置为 `True` 时，绘制节点以指示分类的主要类别、回归值的极端值或多输出的节点纯度。
- impuritybool，默认为 True
设置为 `True` 时，显示每个节点的杂质。
- node_idsbool，默认为 False
设置为 `True` 时，显示每个节点的 ID 号。
- proportionbool，默认为 False
设置为 `True` 时，将“值”和/或“样本”的显示更改为比例和百分比。
- roundedbool，默认为 False
设置为 `True` 时，绘制具有圆角的节点框，并使用 Helvetica 字体而不是 Times-Roman 字体。
- precisionint，默认为 3
每个节点的杂质、阈值和值属性中浮点数的精度位数。
- axmatplotlib 坐标轴，默认为 None
要绘制到的坐标轴。如果为 None，则使用当前坐标轴。任何先前的内容都将被清除。
- fontsizeint，默认为 None
文本字号大小。如果为 None，则自动确定以适应图形。
- 返回：
- annotations艺术家列表
包含构成树的注释框艺术家的列表。
示例
>>> from sklearn.datasets import load_iris >>> from sklearn import tree
>>> clf = tree.DecisionTreeClassifier(random_state=0) >>> iris = load_iris()
>>> clf = clf.fit(iris.data, iris.target) >>> tree.plot_tree(clf) [...]
