在Jupyter笔记本中使用d3js更新了可折叠图的答案

笔记本第一个单元格的开始%%html

.node circle {

cursor: pointer;

stroke: #3182bd;

stroke-width: 1.5px;

}

.node text {

font: 10px sans-serif;

pointer-events: none;

text-anchor: middle;

}

line.link {

fill: none;

stroke: #9ecae1;

stroke-width: 1.5px;

}

笔记本第一个单元格结束

笔记本第二个单元格的开始

^{pr2}$

笔记本第二个单元格结束

graph2.json的内容{

"name": "flare",

"children": [

{

"name": "analytics"

},

{

"name": "graph"

}

]

}

图表

单击flare，它是根节点，其他节点将崩溃

参考文献

旧答案

我在Jupyter笔记本中找到了用于交互式可视化决策树的this tutorial here。在

安装graphviz

这有两个步骤：

步骤1：使用pip安装graphviz for pythonpip install graphviz

第二步：然后你必须单独安装graphviz。检查这个link。

然后根据您的系统操作系统，您需要相应地设置路径：

对于windows和Mac OS check this link。

对于Linux/Ubuntucheck this link

安装ipywidgets

使用pippip install ipywidgets

jupyter nbextension enable --py widgetsnbextension

使用condaconda install -c conda-forge ipywidgets

现在来看看代码from IPython.display import SVG

from graphviz import Source

from sklearn.datasets load_iris

from sklearn.tree import DecisionTreeClassifier, export_graphviz

from sklearn import tree

from ipywidgets import interactive

from IPython.display import display

加载数据集，例如本例中的iris datasetdata = load_iris()

#Get the feature matrix

features = data.data

#Get the labels for the sampels

target_label = data.target

#Get feature names

feature_names = data.feature_names

**绘制决策树的函数**def plot_tree(crit, split, depth, min_split, min_leaf=0.17):

classifier = DecisionTreeClassifier(random_state = 123, criterion = crit, splitter = split, max_depth = depth, min_samples_split=min_split, min_samples_leaf=min_leaf)

classifier.fit(features, target_label)

graph = Source(tree.export_graphviz(classifier, out_file=None, feature_names=feature_names, class_names=['0', '1', '2'], filled = True))

display(SVG(graph.pipe(format='svg')))

return classifier

调用函数decision_plot = interactive(plot_tree, crit = ["gini", "entropy"], split = ["best", "random"] , depth=[1, 2, 3, 4, 5, 6, 7], min_split=(0.1,1), min_leaf=(0.1,0.2,0.3,0.5))

display(decision_plot)

你会得到下面的图表

您可以通过更改以下值来交互更改输出单元格中的参数

相同数据但参数不同的另一个决策树

参考文献：