pydotplus的安装、基本入门和决策树的可视化( 三 ) 1说明=====1.1pydotplus是旧pydot项目

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
文章插图
7.3 方法二：python代码sklearn ，并熟悉xy向量
7.3.1 图
文章插图
7.3.2 代码
#用决策树建模import sklearn.tree as treefrom sklearn.tree import DecisionTreeRegressorimport numpy as npclf=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fitclf_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 = http://kandian.youth.cn/index/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
【pydotplus的安装、基本入门和决策树的可视化】基本从简单到复制，难点在clf.fit(x,y) 。