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。

The sample counts that are shown are weighted with any sample_weights that might be present.

The visualization is fit automatically to the size of the axis. Use the figsize or dpi arguments of plt.figure to control the size of the rendering.

更多信息请参阅 用户指南。

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_depthint, default=None

表示的最大深度。如果为None，则完整生成树。

feature_namesarray-like of str, default=None

每个特征的名称。如果为None，将使用通用名称（“x[0]”，“x[1]”，…）。

class_namesarray-like of str or True, default=None

每个目标类别的名称，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’}, default=’all’

是否显示有关杂质等的有信息标签。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, default=False

设置为 True 时，为分类节点填充颜色以指示多数类别，为回归节点填充颜色以指示值极端性，或为多输出节点填充颜色以指示节点纯度。

impuritybool, default=True

设置为 True 时，显示每个节点的杂质。

node_idsbool, default=False

设置为 True 时，显示每个节点的ID号。

proportionbool, default=False

设置为 True 时，将“values”和/或“samples”的显示分别更改为比例和百分比。

roundedbool, default=False

设置为 True 时，绘制圆角的节点框，并使用 Helvetica 字体代替 Times-Roman。

precisionint, default=3

每个节点的杂质、阈值和值属性中的浮点数精度位数。

axmatplotlib axis, default=None

要绘制的轴。如果为None，则使用当前轴。任何以前的内容都会被清除。

fontsizeint, default=None

文本字体大小。如果为None，则自动确定以适应图形。

返回:
annotationslist of artists

包含构成树的注释框的 artists 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)
[...]