plot_tree#
- 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。
显示的样本计数已根据可能存在的任何 `sample_weights` 进行加权。
可视化会自动适应轴的大小。使用 `plt.figure` 的 `figsize` 或 `dpi` 参数来控制渲染的大小。
在用户指南中阅读更多内容。
0.21 版本新增。
- 参数:
- decision_tree决策树回归器或分类器
要绘制的决策树。
- max_depth整型, 默认=None
表示的最大深度。如果为None，则完整生成树。
- feature_namesstr 的类数组, 默认=None
每个特征的名称。如果为None，将使用通用名称（“x[0]”，“x[1]”，…）。
- class_namesstr 的类数组或 True, 默认=None
目标类按升序排列的名称。仅与分类相关，多输出不支持。如果为
True，则显示类名的符号表示。- label{‘all’, ‘root’, ‘none’}, 默认=’all’
是否显示杂质等信息标签。选项包括“all”（在每个节点显示），“root”（仅在根节点显示），或“none”（不在任何节点显示）。
- filled布尔型, 默认=False
设置为
True时，为分类的多数类、回归的值极端性或多输出的节点纯度填充节点颜色。- impurity布尔型, 默认=True
设置为
True时，显示每个节点的杂质。- node_ids布尔型, 默认=False
设置为
True时，显示每个节点的ID号。- proportion布尔型, 默认=False
设置为
True时，将“values”和/或“samples”的显示更改为比例和百分比。- rounded布尔型, 默认=False
设置为
True时，绘制圆角节点框并使用Helvetica字体代替Times-Roman。- precision整型, 默认=3
每个节点的杂质、阈值和值属性中浮点数的精度位数。
- axmatplotlib 轴对象, 默认=None
绘图所用的轴。如果为None，则使用当前轴。任何以前的内容都将被清除。
- fontsize整型, 默认=None
文本字体大小。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的艺术家列表。
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) [...]
