基础环境:

anaconda3-5.2.0

Python3.6

win10x64

一,win10安装graphviz-2.38.msi

官网下载:https://graphviz.gitlab.io/_pages/Download/Download_windows.html

网盘下载:https://pan.baidu.com/s/1acgCB8nFwxkryvKivCb1Pw    提取码:l6tw

二,Python安装graphviz

pip3 install graphviz

三,Python安装pydotplus

pip3 install pydotplus

四,代码模拟鸢尾花决策树分类

# -*- coding: utf-8 -*-

"""

Created on Wed Jul 31 16:51:08 2019

@author: 86182

"""

from sklearn.datasets import load_iris

from sklearn import tree

import pydotplus

#用于划分训练集与测试集

from sklearn.model_selection import train_test_split

from sklearn.metrics import classification_report

#加载数据

iris = load_iris()

#划分训练集与测试集

(training_inputs, testing_inputs, training_classes, testing_classes)

=train_test_split(iris.data, iris.target,test_size=0.4, random_state=1)

# 构建模型

clf = tree.DecisionTreeClassifier()

clf = clf.fit(training_inputs, training_classes)

#测试值预测

y_predict = clf.predict(testing_inputs)

#预测值和测试值打分

score = classification_report(testing_classes, y_predict)

print(score)

# 保存模型

with open("iris.dot", 'w') as f:

f = tree.export_graphviz(clf, out_file=f)

# 画图,保存到pdf文件

# 设置图像参数

dot_data = tree.export_graphviz(clf, out_file=None,

feature_names=iris.feature_names,

class_names=iris.target_names,

filled=True, rounded=True,

special_characters=True)

graph = pydotplus.graph_from_dot_data(dot_data)

# 保存图像到pdf文件

graph.write_pdf("iris.pdf")

决策树可视化案例python_Python决策树demo可视化相关推荐

  1. Python可视化学习——使用JSON进行数据转换、pyecharts模块调用以及可视化案例的介绍(可视化案例数据暂无),柱状图及动态柱状图的构建

    数据可视化 可视化效果一:2020年印美日新冠累计确诊人数 2020年是新冠疫情爆发的一年,随着疫情的爆发,国内外确诊人数成了大家关心的热点,相信大家都有看过类似的疫情报告.本案例对印度美国日本三个国 ...

  2. 大数据可视化案例分析_Tableau数据可视化分析案例

    0x00 Tableau简介 Tableau是一款定位于数据可视化敏捷开发和实现的商务智能展现工具,可用来实现交互的.可视化的分析和仪表盘应用. Tableau提供了体验感良好且易用的使用界面,在处理 ...

  3. jupyter 数据分析可视化案例_Python数据分析及可视化实例之Anaconda、Jupyter简介

    系列文章总目录:Python数据分析及可视化实例目录 简介部分依然是搬运工的活, 尽可能搬点有用的少占地方. 1.Anaconda 在win平台下用Anaconda再好不过了, 基本上继承了所有数据分 ...

  4. python数据可视化案例销售数据_Python数据可视化教程之Matplotlib实现各种图表实例...

    前言 数据分析就是将数据以各种图表的形式展现给领导,供领导做决策用,因此熟练掌握饼图.柱状图.线图等图表制作是一个数据分析师必备的技能.Python有两个比较出色的图表制作框架,分别是Matplotl ...

  5. python数据可视化书籍推荐_数据可视化的优秀入门书籍有哪些?

    数据可视化方向 首先你需要考虑清楚"非常感兴趣的数据可视化"属于哪一类? 数据可视化是个非常宽泛的领域,大体可以分为"信息图Infographic"和" ...

  6. 【机器学习】决策树原理、调参、可视化 + 银行信用卡欺诈检测案例(含数据集)

    目录 决策分类树 2.1 ID3算法(信息增益) 2.2 C4.5 算法(信息增益率) 2.3 CART算法(Gini系数) CART构造决策树实例 决策树的剪枝 sklearn实现决策树 决策树的调 ...

  7. python机器学习数据建模与分析——决策树详解及可视化案例

    文章目录 前言: 决策树的定义 熵和信息熵的相关概念 信息熵的简单理解 经典的决策树算法 ID3算法 划分选择或划分标准--信息增益 ID3算法的优缺点 C4.5算法 信息增益率 划分选择或划分标准- ...

  8. R语言分类模型:逻辑回归模型LR、决策树DT、推理决策树CDT、随机森林RF、支持向量机SVM、Rattle可视化界面数据挖掘、分类模型评估指标(准确度、敏感度、特异度、PPV、NPV)

    R语言分类模型:逻辑回归模型LR.决策树DT.推理决策树CDT.随机森林RF.支持向量机SVM.Rattle可视化界面数据挖掘.分类模型评估指标(准确度.敏感度.特异度.PPV.NPV) 目录

  9. R语言使用party包中的ctree函数构建条件推理决策树(Conditional inference trees)、使用plot函数可视化训练好的条件推理决策树、条件推理决策树的叶子节点的阴影区域表

    R语言使用party包中的ctree函数构建条件推理决策树(Conditional inference trees).使用plot函数可视化训练好的条件推理决策树.条件推理决策树的叶子节点的阴影区域表 ...

最新文章

  1. python Intel Realsense udp协议 局域网传输实时视频流并通过窗口显示 (opencv压缩解码)
  2. qt之键盘的设计及QlineEdit内容读取
  3. VTK:图片之ImageGridSource
  4. 在NAS上基础构建云存储系统的两种解决方案
  5. OpenShift 4 - DevSecOps Workshop (7) - 为Pipeline增加向Nexus制品库推送任务
  6. libgdx游戏引擎开发笔记(八)SuperJumper游戏例子的讲解(篇二)---- 游戏界面跳转...
  7. 只有一个公网IP也可以使用LVS的DR模式!(外带php session粘滞问题解决)
  8. python爬虫框架scrapy案例分析
  9. 虚拟局域网软件开源_基于开源AUTOSAR的高级驾驶员辅助系统的设计与实现过程...
  10. RFID医疗耗材柜管理系统-高值耗材管理系统-杭州东识科技
  11. 打印机显示服务器脱机是什么原因,脱机使用打印机是什么意思?脱机打印机状态显示错误怎么办...
  12. 【odroid-xu3】 ODROID-XU3硬件连接和烧写过程
  13. 通过access口加vlan标签吗_浅谈-华为vlan下access、trunk、hybrid的配置及标签分析
  14. 2021-6-10-今日收获
  15. WordPress总裁CeoMax主题模板源码3.9.1无需授权
  16. 【kafka专栏】使用shell脚本快速安装kafka集群(含视频)
  17. Begin...end
  18. 古希腊悲剧《美狄亚》(2)
  19. Python安装包报错ERROR: Could not find a version that satisfies the requirement XXX解决方法
  20. moment中时间为12小时制,dayjs中时间为12小时制

热门文章

  1. 【美团分享】美团大脑及其在推荐系统中的应用.pdf(附下载链接)
  2. Python入门到精通三天速成第一讲——创建自定义类
  3. leetcode力扣36.有效的数独
  4. 5-1 File Transfer
  5. 【复赛前排分享(一)】上分有路勤为径,大神教你剖析提分点
  6. NLP简报(Issue #3)
  7. 平流式隔油池计算_隔油池计算方法及图集[参考提供]
  8. 修改个人信息 python_python函数练习——个人信息修改
  9. 第一:Python发送邮件时定义文本乱码
  10. java ref object_深入探讨 java.lang.ref 包