要查看Python中的决策树模型，你可以使用以下方法：
可视化决策树
使用`Graphviz`库可以将决策树模型可视化，这有助于分析和调整模型。你可以使用`dot`命令和`pydotplus`库来绘制决策树。
python
from sklearn.tree import DecisionTreeClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
from pydotplus import graph_from_dot_data
from IPython.display import Image
import pydot
加载数据集
iris = load_iris（）
X = iris.data
y = iris.target
划分数据集
X_train, X_test, y_train, y_test = train_test_split（X, y, test_size=0.3, random_state=42）
创建决策树模型
model = DecisionTreeClassifier（random_state=0）
model.fit（X_train, y_train）
预测
predictions = model.predict（X_test）
print（"Accuracy:", accuracy_score（y_test, predictions））
可视化决策树
dot_data = tree.export_graphviz（model, out_file=None,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True, rounded=True,
special_characters=True）
graph = graph_from_dot_data（dot_data）
Image（graph.create_png（））
查看决策树结构
你可以通过`DecisionTreeClassifier`对象的`tree_`属性来查看决策树的结构。
python
查看决策树结构
print（model.tree_.__str__（））
使用其他库
除了`pydotplus`，你还可以使用`sklearn`自带的`export_graphviz`函数来导出决策树的可视化数据，然后用其他可视化工具（如`graphviz`命令行工具）来生成图像。
python
from sklearn.tree import export_graphviz
导出决策树为DOT格式
dot_data = export_graphviz（model, out_file=None,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True, rounded=True,
special_characters=True）
使用graphviz命令行工具生成图像
dot -Tpng tree.dot -o tree.png
以上方法可以帮助你查看和理解Python中的决策树模型。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://sigusoft.com/bj/69775.html