决策树可视化，被惊艳到了！
机器学习算法与Python实战
共 728字，需浏览 2分钟
· 2021-12-09
↓↓↓点击关注，回复资料，10个G的惊喜
目前无论是机器学习竞赛还是工业界,最流行、应用最广泛的xgboost其实是优化后的GBDT（LightGBM里面的boosting比较经典稳定的也是GBDT哦！），而GBDT的基分类器最常用的就是CART决策树！掌握决策树，对理解之后的GBDT、LightGBM都有大有裨益。
可视化的方式理解决策树，对深刻理解这个模型很有帮助。大家最熟知的决策树可视化实现方式是下面这种：
dot_data = export_graphviz(
clf,
out_file=None,
feature_names=df.columns[:-1],
class_names=["good", "bad"],
filled=True,
rounded=True,
special_characters=True,
)
graph2 = pydotplus.graph_from_dot_data(dot_data)
graph2.write_png("./pics/tree.png")
这种方法很好地展示了树的结构，但并不完美：
1、基尼系数会占用图中的空间，并且不利于解释
2、每个节点中各目标类别的样本数不够直观
今天向大家介绍一个更为惊艳的决策树可视化库——dtreeviz ，我们直接看几张效果图
dtreeviz有以下特色：
利用有颜色的目标类别图例 叶子大小与该叶子中的样本数成正比 将≥和<用作边缘标签，看起来更清晰 决策节点利用堆叠直方图展示特征分布，每个目标类别都会用不同的颜色显示 在每个节点中各目标类别的样本数都用直方图的形式，这样可以提供更多信息
dtreeviz同样依赖GraphViz，其安装配置方法可以参考我之前的文章（点击直达：决策树的可视化）
GraphViz 搞定后，安装dtreeviz即可
pip install dtreeviz # install dtreeviz for sklearn
pip install dtreeviz[xgboost] # install XGBoost related dependency
pip install dtreeviz[pyspark] # install pyspark related dependency
pip install dtreeviz[lightgbm] # install LightGBM related dependency
使用也很简单
推荐阅读
用Python学线性代数：自动拟合数据分布 Python 用一行代码搞事情，机器学习通吃 Github 上最大的开源算法库，还能学机器学习！ JupyterLab 这插件太强了，Excel灵魂附体 终于把 jupyter notebook 玩明白了 一个超好用的 Python 标准库，666 几百本编程中文书籍（含Python）持续更新 100天搞定机器学习|Day63 彻底掌握 LightGBM 100天搞定机器学习 番外：使用FastAPI构建机器学习API
你也「在看」吗？👇
评论