《深度学习Python实践》附录——决策树模型可视化

1：图形可视化需要安装：Graphviz

ubuntu下安装Graphviz：https://blog.csdn.net/caiandyong/article/details/44408831
1）sudo apt-get install graphviz, graphviz-dev
2） sudo pip3 install pydot

2：scikit-learn 的算法选择路径

一个网站：http://sklearn.lzjqsdd.com/

原文链接：https://blog.csdn.net/yimingsilence/article/details/70160602?locationNum=7&fps=1

3.决策树模型可视化：

from pandas import read_csv
from matplotlib import pyplot
from matplotlib.image import imread
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
from sklearn.metrics import accuracy_score
import pydotplus
import osfilename='iris.txt'
names=['separ-length','separ-width','petal-length','petal-width','class']
dataset=read_csv(filename,names=names)#分离数据集
#80%用于训练，20%用于评估
array=dataset.values
X=array[:,0:4]
Y=array[:,4]
validation_size=0.2
seed=7
X_train,X_validation,Y_train,Y_validation=\train_test_split(X,Y,test_size=validation_size,random_state=seed)#算法审查model=DecisionTreeClassifier()
model.fit(X=X_train,y=Y_train)#决策树图形化
dot_data=export_graphviz(model,out_file=None)
graph=pydotplus.graph_from_dot_data(dot_data)path=os.getcwd() + '/'
tree_file=path+'iris.png'try:os.remove(tree_file)
except:print('there is no file to be deleted.')
finally:graph.write(tree_file,format = 'png')#显示图像
image_data=imread(tree_file)
pyplot.imshow(image_data)
pyplot.axis('off')
pyplot.show()#评估算法
predictions=model.predict(X_validation)
print(accuracy_score(Y_validation,predictions))

运行结果：

0.8666666666666667

《深度学习Python实践》附录——决策树模型可视化相关推荐

人工神经网络理论、设计及应用_TensorFlow深度学习应用实践：教你如何掌握深度学习模型及应用...
前言通过TensorFlow图像处理,全面掌握深度学习模型及应用. 全面深入讲解反馈神经网络和卷积神经网络理论体系. 结合深度学习实际案例的实现,掌握TensorFlow程序设计方法和技巧. 着重深 ...
实战 | 深度学习轻松学：如何用可视化界面来部署深度学习模型转载 2017年12月27日 00:00:00 109 翻译 | AI科技大本营参与 | 王赫上个月，我有幸结识了 DeepCogn
实战 | 深度学习轻松学:如何用可视化界面来部署深度学习模型转载 2017年12月27日 00:00:00 标签: 109 编辑删除翻译 | AI科技大本营参与 | 王赫上个月,我有幸结识了 ...
深度学习工程实践 6. 使用pytorch训练自己的眼球分割模型
深度学习工程实践 6. 使用pytorch训练自己的眼球分割模型 1. 概述 2. 目标 3. 工程实践 3.1 数据寻找,数据标注 3.2 训练 3.3 部署应用到桌面程序 4. 总结 1. 概述 ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（四）（Python语言基础（2））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(四)(Python语言基础(2)) 第4讲 Python语言基础(2) 4.1 内置数据结构 4.1.1 序列数据结构(sequ ...
深度学习笔记第二门课改善深层神经网络第一周：深度学习的实践层面
本文是吴恩达老师的深度学习课程[1]笔记部分. 作者:黄海广[2] 主要编写人员:黄海广.林兴木(第四所有底稿,第五课第一二周,第三周前三节).祝彦森:(第三课所有底稿).贺志尧(第五课第三周底稿). ...
深度学习系列 -- 第二门课改善深层神经网络：超参数调试、正则化以及优化(一)：深度学习的实践层面(Practical aspects of Deep Learning)
目录一.深度学习的实践层面(Practical aspects of Deep Learning) 1 训练,验证,测试集(Train / Dev / Test sets) 2 偏差,方差(Bias ...
2.1）深度学习笔记：深度学习的实践层面
目录 1)Train/Dev/Test sets 2)Bias/Variance 3)Regularization(重点) 4)Why regularization reduces overfitti ...
02.改善深层神经网络：超参数调试、正则化以及优化 W1.深度学习的实践层面（作业：初始化+正则化+梯度检验）
文章目录作业1:初始化 1. 神经网络模型 2. 使用 0 初始化 3. 随机初始化 4. He 初始化作业2:正则化 1. 无正则化模型 2. L2 正则化 3. DropOut 正则化 3.1 ...
深度学习最佳实践系列——权重w初始化
摘要: 本文是深度学习最佳实践系列博客之权重初始化,主要介绍权重初始化的相关问题及方法,文中提及的权重初始化方法均可以应用于普通的神经网络.卷积神经网络和递归神经网络之中. 作为深度学习的初学者,我有 ...
【神经网络与深度学习-TensorFlow实践】-中国大学MOOC课程（八）（TensorFlow基础））
[神经网络与深度学习-TensorFlow实践]-中国大学MOOC课程(八)(TensorFlow基础)) 8 TensorFlow基础 8.1 TensorFlow2.0特性 8.1.1 Tenso ...

《深度学习Python实践》附录——决策树模型可视化

1：图形可视化需要安装：Graphviz

2：scikit-learn 的算法选择路径

3.决策树模型可视化：

《深度学习Python实践》附录——决策树模型可视化相关推荐

最新文章

热门文章