graphviz安装教程(2022最新版)初学者适用
1、首先在官网下载graphviz
下载网址:https://www.graphviz.org/download/
2、安装。
打开第一步已经下载好的软件。点击下一步,在安装路径选择时可将安装路径修改为 D:\graphviz
接着一直点下一步,即可安装完成。
3、配置环境变量
右键点击“我的电脑“”–>选择“属性”–>高级系统设置(滑到最下面)
–>环境变量–>系统变量中的path(双击)
–>将graphviz的安装路径下的bin文件添加进去。如果你前面安装的路径是跟我一样,直接复制这个路径即可D:\graphviz\bin
–>多次点击确定,完成环境变量配置,
4、测试
点击左下角搜索,输入“cmd”,或者 win+R键。
输入 dot -version (注意dot后面后一个空格)。
若出现dot不是内部或外部命令,则表示安装失败。
5、再次配置
接下来打开你安装路径下bin文件夹下面的config6(选择打开方式为记事本打开)
将里面内容删除,复制下面这段代码,保存即可。
import operator
import mathclass DecisionTree:def __init__(self):pass# 加载数据集def loadData(self):# 天气晴(2),阴(1),雨(0);温度炎热(2),适中(1),寒冷(0);湿度高(1),正常(0)# 风速强(1),弱(0);进行活动(yes),不进行活动(no)# 创建数据集data = [[2, 2, 1, 0, "yes"],[2, 2, 1, 1, "no"],[1, 2, 1, 0, "yes"],[0, 0, 0, 0, "yes"],[0, 0, 0, 1, "no"],[1, 0, 0, 1, "yes"],[2, 1, 1, 0, "no"],[2, 0, 0, 0, "yes"],[0, 1, 0, 0, "yes"],[2, 1, 0, 1, "yes"],[1, 2, 0, 0, "no"],[0, 1, 1, 1, "no"],]# 分类属性features = ["天气", "温度", "湿度", "风速"]return data, features# 计算给定数据集的香农熵def ShannonEnt(self, data):numData = len(data) # 求长度labelCounts = {}for feature in data:oneLabel = feature[-1] # 获得标签# 如果标签不在新定义的字典里创建该标签值labelCounts.setdefault(oneLabel, 0)# 该类标签下含有数据的个数labelCounts[oneLabel] += 1shannonEnt = 0.0for key in labelCounts:# 同类标签出现的概率prob = float(labelCounts[key]) / numData# 以2为底求对数shannonEnt -= prob * math.log2(prob)return shannonEnt# 划分数据集,三个参数为带划分的数据集,划分数据集的特征,特征的返回值def splitData(self, data, axis, value):retData = []for feature in data:if feature[axis] == value:# 将相同数据集特征的抽取出来reducedFeature = feature[:axis]reducedFeature.extend(feature[axis + 1 :])retData.append(reducedFeature)return retData # 返回一个列表# 选择最好的数据集划分方式def chooseBestFeatureToSplit(self, data):numFeature = len(data[0]) - 1baseEntropy = self.ShannonEnt(data)bestInfoGain = 0.0bestFeature = -1for i in range(numFeature):# 获取第i个特征所有的可能取值featureList = [result[i] for result in data]# 从列表中创建集合,得到不重复的所有可能取值uniqueFeatureList = set(featureList)newEntropy = 0.0for value in uniqueFeatureList:# 以i为数据集特征,value为返回值,划分数据集splitDataSet = self.splitData( data, i, value )# 数据集特征为i的所占的比例prob = len(splitDataSet) / float(len(data))# 计算每种数据集的信息熵newEntropy += prob * self.ShannonEnt(splitDataSet)infoGain = baseEntropy - newEntropy# 计算最好的信息增益,增益越大说明所占决策权越大if infoGain > bestInfoGain:bestInfoGain = infoGainbestFeature = ireturn bestFeature# 递归构建决策树def majorityCnt(self, labelsList):labelsCount = {}for vote in labelsList:if vote not in labelsCount.keys():labelsCount[vote] = 0labelsCount[vote] += 1sortedLabelsCount = sorted(labelsCount.iteritems(), key=operator.itemgetter(1), reverse=True) # 排序,True升序# 返回出现次数最多的print(sortedLabelsCount)return sortedLabelsCount[0][0]# 创建决策树def createTree(self, data, features):# 使用"="产生的新变量,实际上两者是一样的,避免后面del()函数对原变量值产生影响features = list(features)labelsList = [line[-1] for line in data]# 类别完全相同则停止划分if labelsList.count(labelsList[0]) == len(labelsList):return labelsList[0]# 遍历完所有特征值时返回出现次数最多的if len(data[0]) == 1:return self.majorityCnt(labelsList)# 选择最好的数据集划分方式bestFeature = self.chooseBestFeatureToSplit(data)bestFeatLabel = features[bestFeature] # 得到对应的标签值myTree = {bestFeatLabel: {}}# 清空features[bestFeat],在下一次使用时清零del (features[bestFeature])featureValues = [example[bestFeature] for example in data]uniqueFeatureValues = set(featureValues)for value in uniqueFeatureValues:subFeatures = features[:]# 递归调用创建决策树函数myTree[bestFeatLabel][value] = self.createTree(self.splitData(data, bestFeature, value), subFeatures)return myTree# 预测新数据特征下是否进行活动def predict(self, tree, features, x):for key1 in tree.keys():secondDict = tree[key1]# key是根节点代表的特征,featIndex是取根节点特征在特征列表的索引,方便后面对输入样本逐变量判断featIndex = features.index(key1)# 这里每一个key值对应的是根节点特征的不同取值for key2 in secondDict.keys():# 找到输入样本在决策树中的由根节点往下走的路径if x[featIndex] == key2:# 该分支产生了一个内部节点,则在决策树中继续同样的操作查找路径if type(secondDict[key2]).__name__ == "dict":classLabel = self.predict(secondDict[key2], features, x)# 该分支产生是叶节点,直接取值就得到类别else:classLabel = secondDict[key2]return classLabelif __name__ == "__main__":dtree = DecisionTree()data, features = dtree.loadData()myTree = dtree.createTree(data, features)print(myTree)label = dtree.predict(myTree, features, [1, 1, 1, 0])print("新数据[1,1,1,0]对应的是否要进行活动为:{}".format(label))
最后再次通过cmd测试是否安装成功。命令:dot -version (同样注意dot后有一个空格)
出现这段文字。显示dot版本和路径,恭喜你安装成功。
graphviz安装教程(2022最新版)初学者适用相关推荐
- Visual studio的安装教程2022最新版(图文详细)新手小白C语言软件的安装
目录 1.Visual Studio下载地址 2.工作负荷选择"使用C++的桌面开发"和"Visual Studio扩展开发",安装位置自选 3.下载完成后,点 ...
- 最新版傻妞及Web安装教程-2022.12.5
目录 前言 一.sillyGirl机器人简介 前言 最新版傻妞及Web安装教程-2022.12.5 基本过程和老版差不多,命令和插件有区别
- MySQL数据库下载及安装教程(最最新版)
MySQL数据库下载及安装教程(最最新版) 一.下载mysql数据库 二.安装Mysql 三.验证是否安装成功 (一).命令提示符cmd窗口验证 (二).MySQL控制台验证 一.下载mysql数据库 ...
- Centos7安装教程2022.2
Centos7安装教程 1.1安装前的准备 镜像下载链接:https://mirrors.tuna.tsinghua.edu.cn/centos/7.9.2009/isos/x86_64/CentOS ...
- pycharm安装教程_最新版pycharm安装教程
在安装pycharm之前,确保你的电脑配置好了python,pycharm windows版本下载地址:Download PyCharm: Python IDE for Professional De ...
- pycharm安装教程(2022)与使用
一.pycharm安装教程 1.进入官网下载pycharm 官网下载地址:https://www.jetbrains.com/pycharm/download/#section=windows 专业版 ...
- 如何一行代码安装ROS|2022最新版|一行代码安装ROS2|一行代码解决rosdep|一行代码配置多ROS环境
2022最新版本V3.0 大家好,我是小鱼,经过一周多的完善 还是熟悉的一行代码 wget http://fishros.com/install -O fishros && bash ...
- Rhino7.28(犀牛7.28) 安装包下载及安装教程(目前最新版)
[软件大小]: 294 MB [安装环境]: Win11/Win 10 [软件安装包下载]:https://pan.quark.cn/s/ab6bef4b349c Rhino 7是一款强大的3D建模工 ...
- Java:最新eclipse java安装教程2022.11.20
eclipse 是IBM公司投资开发的一个开放源代码的.基于Java的可扩展开发平台.就其本身而言,它只是一个框架和一组服务,用于通过插件组件构建开发环境.Eclipse 附带了一个标准的插件集,包 ...
最新文章
- 网络名词--“环路”
- 使用php分页类实现简单分类
- pku 3436 ACM Computer Factory ——最大流 EK
- Docker 入门到实践笔记1
- 项目测试基础:白盒测试相关知识笔记
- 前端学习(2961):前一天回顾
- 使用webpack打包后的vue项目如何运行(express)
- Spring Cloud 5分钟搭建教程(附上一个分布式日志系统项目作为参考)
- 我慕了!腾讯大手一挥,员工买房最高可申请免息借款90万
- idea一直在 downloading plugins for ... 失败
- 用 Python 手写机器学习最简单的 KNN 算法
- matlab ga工具箱编程,遗传算法 -- matlab ga工具箱
- Unity3D -- 天空盒(图文)
- 三分钟看懂二极管的所有基础知识点
- C4D材质原理揭秘笔记-初学必看
- 去掉window.print()去除页眉页脚及网址
- 九九乘法表(99)详解
- 关于苹果公证(Apple Notarizition)机制的一些总结
- Jetbrains系列产品
- 小程序(原生) 引入weUI组件