La visualisation d'un arbre de décision ( exemple de scikit-learn )

Je suis un noob en utilisant sciki-apprendre, alors s'il vous plaît garder avec moi.

J'allais à travers l'exemple:
http://scikit-learn.org/stable/modules/tree.html#tree

>>> from sklearn.datasets import load_iris
>>> from sklearn import tree
>>> iris = load_iris()
>>> clf = tree.DecisionTreeClassifier()
>>> clf = clf.fit(iris.data, iris.target)
>>> from StringIO import StringIO
>>> out = StringIO()
>>> out = tree.export_graphviz(clf, out_file=out)

Apparemment le graphiz fichier est prêt à être utilisé.

Mais comment puis-je dessiner l'arbre à l'aide de la graphiz fichier? (l'exemple n'a pas entrer dans les détails quant à la façon dont l'arbre est dessiné).

Exemple de code et conseils sont plus que bienvenues!

Merci!

Mise à jour

Je suis sous ubuntu 12.04, Python 2.7.3

OriginalL'auteur DjangoRocks | 2012-05-13

  1. 6

    Quel système d'exploitation avez-vous courir? Avez-vous des graphviz installé?

    Dans votre exemple, StringIO() objet, détient graphviz de données, voici un moyen de vérifier les données:

    ...
>>> print out.getvalue()
digraph Tree {
0 [label="X[2] <= 2.4500\nerror = 0.666667\nsamples = 150\nvalue = [ 50.  50.  50.]", shape="box"] ;
1 [label="error = 0.0000\nsamples = 50\nvalue = [ 50.   0.   0.]", shape="box"] ;
0 -> 1 ;
2 [label="X[3] <= 1.7500\nerror = 0.5\nsamples = 100\nvalue = [  0.  50.  50.]", shape="box"] ;
0 -> 2 ;
3 [label="X[2] <= 4.9500\nerror = 0.168038\nsamples = 54\nvalue = [  0.  49.   5.]", shape="box"] ;
2 -> 3 ;
4 [label="X[3] <= 1.6500\nerror = 0.0407986\nsamples = 48\nvalue = [  0.  47.   1.]", shape="box"] ;
3 -> 4 ;
5 [label="error = 0.0000\nsamples = 47\nvalue = [  0.  47.   0.]", shape="box"] ;
4 -> 5 ;
6 [label="error = 0.0000\nsamples = 1\nvalue = [ 0.  0.  1.]", shape="box"] ;
4 -> 6 ;
7 [label="X[3] <= 1.5500\nerror = 0.444444\nsamples = 6\nvalue = [ 0.  2.  4.]", shape="box"] ;
3 -> 7 ;
8 [label="error = 0.0000\nsamples = 3\nvalue = [ 0.  0.  3.]", shape="box"] ;
7 -> 8 ;
9 [label="X[0] <= 6.9500\nerror = 0.444444\nsamples = 3\nvalue = [ 0.  2.  1.]", shape="box"] ;
7 -> 9 ;
10 [label="error = 0.0000\nsamples = 2\nvalue = [ 0.  2.  0.]", shape="box"] ;
9 -> 10 ;
11 [label="error = 0.0000\nsamples = 1\nvalue = [ 0.  0.  1.]", shape="box"] ;
9 -> 11 ;
12 [label="X[2] <= 4.8500\nerror = 0.0425331\nsamples = 46\nvalue = [  0.   1.  45.]", shape="box"] ;
2 -> 12 ;
13 [label="X[0] <= 5.9500\nerror = 0.444444\nsamples = 3\nvalue = [ 0.  1.  2.]", shape="box"] ;
12 -> 13 ;
14 [label="error = 0.0000\nsamples = 1\nvalue = [ 0.  1.  0.]", shape="box"] ;
13 -> 14 ;
15 [label="error = 0.0000\nsamples = 2\nvalue = [ 0.  0.  2.]", shape="box"] ;
13 -> 15 ;
16 [label="error = 0.0000\nsamples = 43\nvalue = [  0.   0.  43.]", shape="box"] ;
12 -> 16 ;
}

    vous pouvez l'écrire comme .dot fichier et de produire de l'image de sortie, comme le montre la source est lié:

    $ dot -Tpng tree.dot -o tree.png PNG (format de sortie)

    Salut merci! Je suis sous Ubuntu 12.04, la version de Python 2.7.3. Je me demandais si il n'y a de toute façon je peux le faire dans le script python et pas dans la ligne de commande ?
    Bien sûr, il suffit de saisir l'un des bindings Python pour graphviz et vous devriez être en mesure de le faire à partir de l'intérieur de python shell
    merci! qui a été utile!
    existe t'il une méthode pour faire la tâche en python3?

    OriginalL'auteur theta

  2. 4

    Vous avez été très proche! Il suffit de ne:

    graph_from_dot_data(out.getvalue()).write_pdf("somefile.pdf")
    cela ne fonctionnera que si le nombre de classes est assez petit pour que la nvaleur tableaux dans le texte ne sont pas rompus à travers les lignes...dans ce cas, j'ai dû manuellement rechercher/remplacer "\n " (la préservation de l'légitimes, bien sûr)...peu de douleur. idem pour "one-hot" codé étiquettes...ils jetteront les erreurs immédiatement.

    OriginalL'auteur Jenny Yue Jin