Press "Enter" to skip to content

被惊艳到了!决策树可视化

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

目前无论是机器学习竞赛还是工业界,最流行、应用最广泛的xgboost其实是优化后的GBDT(LightGBM里面的boosting比较经典稳定的也是GBDT哦!),而GBDT的基分类器最常用的就是CART决策树!掌握决策树,对理解之后的GBDT、LightGBM都有大有裨益。

 

可视化的方式理解决策树,对深刻理解这个模型很有帮助。大家最熟知的决策树可视化实现方式是下面这种:

 

dot_data = export_graphviz(
    clf,
    out_file=None,
    feature_names=df.columns[:-1],
    class_names=["good", "bad"],
    filled=True,
    rounded=True,
    special_characters=True,
)
graph2 = pydotplus.graph_from_dot_data(dot_data)
graph2.write_png("./pics/tree.png")

 

 

这种方法很好地展示了树的结构,但并不完美:

 

1、基尼系数会占用图中的空间,并且不利于解释

 

2、每个节点中各目标类别的样本数不够直观

 

今天向大家介绍一个更为惊艳的决策树可视化库—— dtreeviz ,我们直接看几张效果图

 

dtreeviz 有以下特色:

利用有颜色的目标类别图例
叶子大小与该叶子中的样本数成正比
将≥和<用作边缘标签,看起来更清晰
决策节点利用堆叠直方图展示特征分布,每个目标类别都会用不同的颜色显示
在每个节点中各目标类别的样本数都用直方图的形式,这样可以提供更多信息

dtreeviz 同样依赖GraphViz,其安装配置方法可以参考我之前的文章( 决策树的可视化 )

 

GraphViz 搞定后,安装dtreeviz即可

 

pip install dtreeviz             # install dtreeviz for sklearn
pip install dtreeviz[xgboost]    # install XGBoost related dependency
pip install dtreeviz[pyspark]    # install pyspark related dependency
pip install dtreeviz[lightgbm]   # install LightGBM related dependency

 

使用也很简单

 

 

 

bingo

Be First to Comment

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注