美文网首页AI人工智能与数学之美
Linux可视化决策树输出结果

Linux可视化决策树输出结果

作者: KangSmit的算法那些事儿 | 来源:发表于2020-05-26 13:36 被阅读0次
屏幕截图.jpg

决策树输出保持

import os
import time
import pydotplus
import numpy as np
from sklearn import tree
from sklearn.externals.six import StringIO
from sklearn.model_selection import train_test_split

print('Step 1.Loading data...')
data = np.loadtxt("Wine.txt",delimiter=',')
x = data[:,1:14]
y = data[:,0].reshape(178,1)
X_train,X_test,Y_train,Y_test = train_test_split(x,y,test_size=0.4)
print('---Loading and splitting completed.')

print('Step 2.Training...')
startTime = time.time()
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X_train,Y_train)
print('---Training Completed.Took %f s.'%(time.time()-startTime))

print('Step 3.Testing...')
Y_predict = clf.predict(X_test)
matchCount = 0
for i in range(len(Y_predict)):
    if Y_predict[i] == Y_test[i]:
        matchCount += 1
accuracy = float(matchCount/len(Y_predict))
print('---Testing completed.Accuracy: %.3f%%'%(accuracy*100))

feature_name = ['Alcohol','Malic Acid','Ash','Alcalinity of Ash','Magnesium','Total Phenols',
                'Flavanoids','Nonflavanoid Phenols','Proantocyanins','Color Intensity','Hue',
                'OD280/OD315 of Diluted Wines','Proline']
target_name = ['Class1','Class2','Class3']

dot_data = StringIO()
tree.export_graphviz(clf,out_file = dot_data,feature_names=feature_name,
                     class_names=target_name,filled=True,rounded=True,
                     special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("WineTree.pdf")
print('Visible tree plot saved as pdf.')

image.png

参考文献1
参考文献2

相关文章

  • Linux可视化决策树输出结果

    决策树输出保持 参考文献1参考文献2

  • 决策树

    数据信息 划分数据集 决策树创建 可视化决策树 分析重要信息 决策树的裁剪 可视化结果 其它一些接口

  • python决策树(二叉树、树)的可视化

    问题描述 在我学习机器学习实战-决策树部分,欲可视化决策树结构。最终可视化结果: 解决方案 决策树由嵌套字典组成,...

  • Python学习第三天

    可视化 绘制正弦余弦曲线 案例: 输出结果: 饼状图 案例: 输出结果: 散点图 案例: 输出结果: 字典解析 和...

  • 随机森林-Python

    这里随机森林分类器的预测可视化与决策树差不多,因为随机森林就是决策树投票得到的结果。代码: 关键代码:plt.sc...

  • (三)决策树

    决策树 决策树的特点 计算复杂度不高,输出结果易于理解,对于中间值的缺失不敏感 可能会出现过度匹配的问题 决策树的...

  • 机器学习笔记--决策树

    这里开始机器学习的笔记记录。今天的这篇是一个分类方法--决策树。 决策树优点:计算复杂度不高,输出结果易于理解,对...

  • 逼真,特别逼真的决策树可视化

    同学们好,决策树的可视化,我以为之前介绍的方法已经够惊艳了(决策树可视化,被惊艳到了![https://mp.we...

  • 【西瓜书】第4章 决策树

    一、决策树初步认识 叶子节点:存放决策结果 非叶子节点:特征属性,及其对应输出,按照输出选择分支 决策过程:从根节...

  • 机器学习6-决策树

    一. 决策树概述 1.1 什么是决策树 决策树输入: 测试集决策树输出: 分类规则(决策树) 1.2 决策树算法概...

网友评论

    本文标题:Linux可视化决策树输出结果

    本文链接:https://www.haomeiwen.com/subject/ddgmahtx.html