1、概念
决策树（DEcision Tree）
他通过对训练样本的学习，并建立分类规则，对新样本数据进行分类，属于有监督学习
决策树也是一种多功能的机器学习算法，它可以
实现分类和回归任务，甚至是多输出任务。
优点：
决策树易于理解和实现
决策树可处理数值型和非数值型数据
2 决策树生成方法
dtModel=DecisionTreeClassifier（max_leaf_nodes=None）
max_leaf_nodes 最大的叶子节点数
训练模型
dtMOdel.fit(featureData,targetData)
featuereData 属性数据
targetData 目标数据
dtModel.Predict(featureData)
3、决策树绘图方法
sKlearn.tree.export_graphviz(…)
dtModel 决策树模型
out_file 图形数据的输出路径
class_names 目标属性名称，中文
feature_names 特征属性名称 中文
filled=Ture 是否使用颜色填充
rounded=TRUE 边框是否采用圆角边框
special_characters 是否有特殊字符
4、案例代码示例
升学意愿调查——
列 备注
studentID 学生ID
GEnder 性别
ParentIncome 父母亲收入
IQ IQ
parentEncouragement 父母亲是否鼓励
ColegePlans 是否打算上大学
目的： 想换出决策树的图形，用于指导人员判断某个学生是否具有升学意愿
```python import pandas; data = pandas.read_csv('D:\\DATA\\pycase\\number2\\5.3\\data.csv') # 将虚拟变量转换为数值变量，在这里有性别和是否推荐升学 dummyColumns=["Gender","ParentEncouragement"] for column in dummyColumns: data[column]=data[column].astype('category') dummiesData=pandas.get_dummies( data, columns=dummyColumns, prefix=dummyColumns, prefix_sep="=", drop_first=True ) # 列表展示 dummiesData.columns # 挑选出可以建模的列 fData=dummiesData[[ 'ParentIncome','IQ','Gender=Male', 'ParentEncouragement=Not Encouraged' ]] # 挑选出目标变量 tData=dummiesData['CollegePlans'] # 导入决策树方法 from sklearn.tree import DecisionTreeClassifier # 设置叶子节点的数据为8，太大的话会导致过拟合，8表示的是叶子最下端的叶子数量 dtModel=DecisionTreeClassifier(max_leaf_nodes=8) # 导入十折交叉验证方法，得出模型的最终分数 from sklearn.model_selection import cross_val_score cross_val_score( dtModel, fData, tData, cv=10 ) # 进行模型的训练 dtModel.fit(fData,tData) from sklearn.tree import export_graphviz # 需要绘图的dot文件 with open('D:\\DATA\\pycase\\number2\\5.3\\data.dot','w') as f: f=export_graphviz(dtModel,out_file=f) # 在cmd客户端进行dote命令绘图,切换到dot文件路径 # dot -Tpng data.dot -o loan_tree.png #png # dot -Tpdf data.dot -o loan_tree.pdf # 通过pypdot进行运行和绘制 import pydot from sklearn.externals.six import StringIO dot_data=StringIO() export_graphviz( dtModel, out_file=dot_data, class_names=["不计划","计划"], feature_names=["父母收入","智商","性别=男","父母鼓励=不鼓励"], filled=True, rounded=True, special_characters=True ) # 将dot_data 转换为图形变量 graph=pydot.graph_from_dot_data(dot_data.getvalue()) #设置字体格式 graph.get_node("node")[0].set_fontname("Microsoft YaHei") # 导出图片 graph.write_png('D:\\DATA\\pycase\\number2\\5.3\\tree.png')
原文链接：https://blog.csdn.net/qq_36327687/article/details/84944850
