决策树可视化,被惊艳到了!
小詹学Python
共 708字,需浏览 2分钟
·
2021-12-14 00:00
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(点击直达: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
各位伙伴们好,詹帅本帅搭建了一个个人博客和小程序,汇集各种干货和资源,也方便大家阅读,感兴趣的小伙伴请移步小程序体验一下哦!(欢迎提建议)
推荐阅读
推荐阅读
评论