pydotplus的安装基本入门和决策树的可视化
1 说明
=====
1.1 pydotplus是旧pydot项目的一个改进版本,它为graphviz的点语言提供了一个python接口。
1.2 复习一下:
1.2.1 pydot已经淘汰了,不再更新了。
1.2.2 Dot是开源工具包Graphviz上用来画图的一门脚本语言,本次不介绍了。
1.3 提到基本绘制图形,dot语法类似,泰坦尼克号决策树的可视化;讲解清楚,注释仔细,通俗易懂,适合收藏。
2 介绍
=====
2.1 官网:https://pydotplus.readthedocs.io/ https://github.com/carlos-jenkins/pydotplus
2.2 安装:pip install pydotplus #本机安装 sudo pip3.8 install pydotplus
2.3 有时候可能需要安装graphviz:pip install graphviz #注意环境变量设置
3 效果展示
========
3.1 入门级图1
3.2 图1代码:import pydotplus as pdp #方法一,单引号 #graph = pdp.graph_from_dot_data("digraph demo1{a -> b -> c; c ->a; }") #方法二,双引号 graph = pdp.graph_from_dot_data( """ digraph demo1{ a -> b -> c; c ->a; } """ ) #生成jpg图片 #graph.write_jpg("/home/xgj/Desktop/pydotplus/3dot.jpg") #生成png图片 graph.write_png("/home/xgj/Desktop/pydotplus/3dot.png") #生成pdf文件 #graph.write_pdf("/home/xgj/Desktop/pydotplus/3dot.pdf")
3.3 图2
3.4 图2代码 import pydotplus as pdp #语法符合原dot语法 dot = """ //定义节点属性 digraph g { //==========定义节点关系============ a->b; b->c; c->a; c->d->e->f; d->g; e->h; //==========定义节点属性============ //定义a节点为长方形, 样式为填充, 填充颜色为#ABACBA a[shape=box,label="Server1 WebServer",fillcolor="#ABACBA",style=filled]; //定义b为5边形, 标签为"bb", 样式为填充, 填充色为red b[shape=polygon,sides=5,label="bb",style=filled,fillcolor=red]; //c, 默认为椭圆 d[shape=circle,label="加油",fontname="Microsoft YaHei"]; //圆 e[shape=triangle]; //三角形 f[shape=polygon, sides=4, skew=0.5]; //平行四边形 g[shape=polygon, distortion=0.5]; //梯形, 上边长 h[shape=polygon, distortion=-.5]; //梯形, 下边长 } """ graph = pdp.graph_from_dot_data(dot) graph.write_jpg("/home/xgj/Desktop/pydotplus/4dot.jpg")
3.5 图3
3.6 图3代码:import pydotplus as pdp dot_cn = """ digraph demo{ node [shape=box, style="rounded", color="black", fontname="Microsoft YaHei"]; edge [fontname="Microsoft YaHei"]; a -> b[label="哈尼"] a[label="你好么?"] b[label="我很好!"] } """ graph = pdp.graph_from_dot_data(dot_cn) graph.write_jpg("/home/xgj/Desktop/pydotplus/5dot.jpg")
4 泰坦尼克号的决策树
=================
4.1 效果图
4.2 注意
======
4.2.1 决策树是机器学习中一个比较重要而且常用的算法, 是基于香农的信息论计算信息熵然后计算信息增益。
4.2.2 参考文章:#https://blog.csdn.net/qq_42768234/article/details/99453826?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.add_param_isCf&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.add_param_isCf
4.2.3 数据集:打开网页,复制,并修改txt为csvhttp://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt
4.3 代码:import numpy as np import pandas as pd file_path = "/home/xgj/Desktop/pydotplus/titanic.csv" data = pd.read_csv(file_path) data["age"].isnull().sum() # 年龄有680个缺失值 x = data[["pclass", "age", "sex"]] y = data["survived"] x["age"].fillna(x["age"].mean(), inplace=True) # 用平均年龄来填充缺失值 from sklearn.model_selection import train_test_split # 导入数据集分割 from sklearn.feature_extraction import DictVectorizer # 导入特征工程 from sklearn.tree import DecisionTreeClassifier # 导入决策树分类器 x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25) # 分割数据 info = DictVectorizer(sparse=False) # 特征工程 x_train = info.fit_transform(x_train.to_dict(orient="records")) x_test = info.fit_transform(x_test.to_dict(orient="records")) dec = DecisionTreeClassifier(max_depth=5) dec.fit(x_train, y_train) dec.score(x_test, y_test) dec.predict(x_test[0: 1]) # 进行测试预测 from sklearn import tree import pydotplus # 可视化 dot_data = tree.export_graphviz(dec, out_file=None, filled=True, rounded=True, special_characters=True) graph = pydotplus.graph_from_dot_data(dot_data) graph.get_nodes()[7].set_fillcolor("#FFF2DD") graph.write_png("/home/xgj/Desktop/pydotplus/graph7.png")
5 加载sklearn自身数据集
===================
5.1 效果图
5.2 参考文章#https://blog.csdn.net/qq_39290225/article/details/99684091?utm_medium=distribute.pc_relevant.none-task-blog-OPENSEARCH-4.add_param_isCf&depth_1-utm_source=distribute.pc_relevant.none-task-blog-OPENSEARCH-4.add_param_isCf
5.3 代码from sklearn import tree from sklearn.datasets import load_wine from sklearn.model_selection import train_test_split wine=load_wine()#集合自身的数据集 Xtrain,Xtest,Ytrain,Ytest=train_test_split(wine.data,wine.target,test_size=0.3) #训练 clf=tree.DecisionTreeClassifier(criterion="entropy") clf=clf.fit(Xtrain,Ytrain) #查看一下准确度 score=clf.score(Xtest,Ytest) f_name=["酒精","苹果酸","灰","灰的碱性","镁","总酚","类黄酮","非黄烷类酚类","花青素","颜色强度","色调","稀释葡萄酒","脯氨酸"] dot_data=tree.export_graphviz(clf ,feature_names=f_name ,class_names=["茅台","啤酒","黄酒"] ,filled=True ,rounded=True, out_file=None ) import pydotplus # 可视化 graph = pydotplus.graph_from_dot_data(dot_data) graph.write_png("/home/xgj/Desktop/pydotplus/graph8.png")
6 加载自身数据集、生成dot文件和决策树
===============================
6.1 图
6.2 代码:#参考文章 #https://www.jianshu.com/p/59b510bafb4d from sklearn import tree from sklearn.datasets import load_iris #导入数据集 iris = load_iris() clf = tree.DecisionTreeClassifier() clf = clf.fit(iris.data, iris.target) #生成dot文件 with open("/home/xgj/Desktop/pydotplus/iris.dot", "w") as f: f = tree.export_graphviz(clf, out_file=f) #决策树pydotplus可视化 import pydotplus dot_data = tree.export_graphviz(clf, out_file=None) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_png("/home/xgj/Desktop/pydotplus/iris.png")
7 彩蛋
=====
7.1 dot文件可视化两种方法:
7.2 方法一:终端执行dot语法,dot文件在根目录下dot -Tpng -o world.png world.dot
7.3 方法二:python代码sklearn,并熟悉xy向量
7.3.1 图
7.3.2 代码 #用决策树建模 import sklearn.tree as tree from sklearn.tree import DecisionTreeRegressor import numpy as np clf=tree.DecisionTreeRegressor(min_samples_split=50,max_leaf_nodes=15) """ DecisionTreeClassifier 能够实现多类别的分类。输入两个向量 向量X,大小为[n_samples,n_features],用于记录训练样本; 向量Y,大小为[n_samples],用于存储训练样本的类标签。 """ #产生随机数据集和xy向量 rng = np.random.RandomState(1) x = np.sort(5 * rng.rand(80, 1), axis=0) y = np.sin(x).ravel() y[::5] += 3 * (0.5 - rng.rand(16)) #熟悉fit clf_fit=clf.fit(x,y) #打开dot文件 tree.export_graphviz(clf_fit,out_file="/home/xgj/Desktop/yhsj/world.dot" ) import pydotplus dot_data = tree.export_graphviz(clf_fit, out_file=None, filled=True, rounded=True, special_characters=True) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_jpg("/home/xgj/Desktop/yhsj/dot.jpg")
小结
基本从简单到复制,难点在clf.fit(x,y)。
这9个卧室必备好物,你家有几样?单色卧室图纸床床头柜衣柜是卧室的标配,很多家庭的卧室中甚至只有这三样物品。但是,我们每天至少有八个小时要待在卧室里,你真的甘心这样对待自己的生活吗?如果你还不知道如何做,别担心,今
灵光一闪钩个口罩戴戴,这口罩以前你一定没带过(附详细图解)广东的天气就是这么神奇,前天还在穿短袖到了第二天就必须穿大衣了,真是任性呀。来广东太多年了,虽然已经是十二月中旬了,这边还是暖阳舒舒服服的晒着,体感温度依然很舒服,让人都快忘记了什
秋冬睡衣买了吗?这家店性价比超高秋分一过,气温一降,夏天穿的短袖短裤就该收起换新的长袖睡衣上场。长袖睡衣怎么买最好穿?主要看3点1。面料2。设计3。价格三点都满足要求即可下手,比买外面穿的衣服简单很多,在网上买的
怀不上宝宝居然和这个病有关,快戳开看看从非洲走向世界的结核杆菌结核菌早在7万年前就与人类共存于非洲了,并且随着人类的大迁徙走出非洲,传播至世界各地。而且那个时候人口稀少,人员流动性低下,结核菌为了适应生存环境,进化出了
孕期用药黑名单必读收藏准妈妈不能吃的药都在这儿啦,一文在手,再也不愁该不该吃药了!生殖医学空间以下文章来源于医学界妇产科频道,作者蓝鲸晓虎孕期用药是一个令孕妈和医生都头疼的大问题。产妇A感冒了可以吃药吗
周大生六一宝贝送礼指南丨有颜有料的童心物语来了对于可可爱爱的人类幼崽来说,送什么样的黄金饰品,才配得上他们的萌?是高质量高颜值好寓意可佩戴可收藏的小配饰,还是饱含祝福爱意满满的小挂件?其实,这些都可以同时兼备。在这个一年一度的
周大生宝可梦联名款六一萌翻上新,好黄金陪伴宝宝安全成长六一送礼什么好?周大生黄金来帮您挑选!送给宝宝的东西,质量好,更安全才是最重要的。周大生采用的新黄金工艺,比传统黄金工艺,无论是在切割抛光车花还是抗压硬度方面,都要比传统黄金工艺有
用心打造国货好棉,全棉时代荣获第十八届深圳知名品牌5月11日,2021年中国品牌日深圳地方特色活动暨第五届深圳国际品牌周活动在鹏城隆重启幕,深圳市企业品牌建设促进会会长稳健医疗董事长兼总裁全棉时代创始人李建全受邀出席2021粤港澳
至简呵护,为爱0添加丨全棉时代棉湿巾助力宝宝安心成长随着国民消费观念的提升,湿巾已然成为继奶粉尿裤之后婴童的第三大日用耗品。婴儿手口专用湿巾作为应用于敏感部位的清洁护理产品,产品材质及成分要求更高,质检指标更严苛,因此备受新生儿父母
从棉田到秀场,从自然到生活全棉时代演绎首个棉的色彩时尚秀2021年4月9日,全棉时代在京举行棉自然出色发布会,携手权威色彩机构COLORO推出首个棉主题系列色号,呼应了棉作物在生命周期中不为人知的色彩变化过程。全棉时代更从中汲取创意灵感
跟着徐璐一起带着气球去告白,周大生抖音挑战赛嗨翻520随着520网络情人节来临,有的人正愁送心爱的TA什么礼物,也有很多人默默在准备一场真情告白。而不同的人也有不同的告白方式,比如,学霸们的告白可能会隐藏在公式中MgZnSO4MgSO