决策树

1.训练和可视化决策树

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz


iris=load_iris()
X=iris.data[:,2:]
y=iris.target

tree_clf=DecisionTreeClassifier(max_depth=2)
tree_clf.fit(X,y)

#决策树可视化

export_graphviz(
    tree_clf,
    out_file="iris_tree.dot",
    feature_names=iris.feature_names[2:],
    class_names=iris.target_names,
    rounded=True,
    filled=True
)

对应目录文件下用命令行输入，将.dot文件转换成.png格式的文件

dot -Tpng iris_tree.dot -o 1.png

这个图怎么看呢？

假设找到一株花，从根节点开始看，首先判读花瓣长度是否<=2.45cm，如果是，就下移到根的左节点（深度：1，左）,在这种情况下它就分类为class=setosa。那假如出现了另一株花，花瓣长度>2.45，跑到了右侧，此时不是叶子结点，此时继续第二个判断花瓣宽度<=1.75,再进行是否分类