使用 Scikit-Learn 在 Python 中为随机森林绘制树

问题描述

我想绘制随机森林的决策树.所以，我创建了以下代码:

I want to plot a decision tree of a random forest. So, i create the following code:

clf = RandomForestClassifier(n_estimators=100)
import pydotplus
import six
from sklearn import tree
dotfile = six.StringIO()
i_tree = 0
for tree_in_forest in clf.estimators_:
if (i_tree <1):
    tree.export_graphviz(tree_in_forest, out_file=dotfile)
    pydotplus.graph_from_dot_data(dotfile.getvalue()).write_png('dtree'+ str(i_tree) +'.png')
    i_tree = i_tree + 1

但它不会产生任何东西..您知道如何从随机森林中绘制决策树吗?

But it doesn't generate anything..Have you an idea how to plot a decision tree from random forest ?

谢谢，

推荐答案

假设您的随机森林模型已经拟合，首先，您应该先导入 export_graphviz 函数:

Assuming your Random Forest model is already fitted,first you should first import the export_graphviz function:

from sklearn.tree import export_graphviz

在您的 for 循环中，您可以执行以下操作来生成 dot 文件

In your for cycle you could do the following to generate the dot file

export_graphviz(tree_in_forest,
                feature_names=X.columns,
                filled=True,
                rounded=True)

下一行生成一个png文件

The next line generates a png file

os.system('dot -Tpng tree.dot -o tree.png')

这篇关于使用 Scikit-Learn 在 Python 中为随机森林绘制树的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！