plot_tree

sklearn.tree.plot_tree(decision_tree, *, max_depth=None, feature_names=None, class_names=None, label='all', filled=False, impurity=True, node_ids=False, proportion=False, rounded=False, precision=3, ax=None, fontsize=None)[исходный код]

Построить дерево решений.

Отображаемое количество выборок взвешено с учетом возможных sample_weights.

Визуализация автоматически подгоняется под размер осей. Используйте аргументы figsize или dpi функции plt.figure, чтобы управлять размером визуализации.

Подробнее см. в Руководстве пользователя.

Добавлено в версии 0.21.

Параметры:

decision_treeрегрессор или классификатор дерева решений

Дерево решений, которое требуется визуализировать.

max_depthint, по умолчанию=None

Максимальная глубина представления. Если значение равно None, дерево строится полностью.

feature_namesarray-like из str, по умолчанию=None

Названия каждого признака. Если значение равно None, используются общие названия («x[0]», «x[1]», …).

class_namesarray-like из str или True, по умолчанию=None

Названия целевых классов в порядке возрастания их числовых значений. Применимо только для классификации и не поддерживается для нескольких выходов. Если указано True, отображается символическое представление имени класса.

label{‘all’, ‘root’, ‘none’}, по умолчанию=’all’

Показывать ли информативные подписи, например, для impurity. Возможные значения: ‘all’ — показывать у каждого узла, ‘root’ — показывать только у корневого узла верхнего уровня или ‘none’ — не показывать ни у одного узла.

filledbool, по умолчанию=False

Если задано значение True, узлы окрашиваются, чтобы обозначить класс большинства для классификации, крайние значения для регрессии или чистоту узла для нескольких выходов.

impuritybool, по умолчанию=True

Если задано значение True, для каждого узла отображается impurity.

node_idsbool, по умолчанию=False

Если задано значение True, для каждого узла отображается его идентификатор.

proportionbool, по умолчанию=False

Если задано значение True, значения ‘values’ и/или ‘samples’ отображаются соответственно как доли и проценты.

roundedbool, по умолчанию=False

Если задано значение True, рамки узлов рисуются с закругленными углами, а вместо шрифта Times-Roman используется шрифт Helvetica.

precisionint, по умолчанию=3

Количество знаков после запятой для чисел с плавающей точкой в атрибутах каждого узла: impurity, threshold и value.

axось matplotlib, по умолчанию=None

Оси, на которых выполняется построение. Если значение равно None, используется текущая ось. Все предыдущее содержимое удаляется.

fontsizeint, по умолчанию=None

Размер шрифта текста. Если значение равно None, размер определяется автоматически так, чтобы текст поместился на рисунке.

Возвращает:

annotationsсписок графических объектов

Список графических объектов для рамок с аннотациями, составляющих дерево.

Примеры

>>> from sklearn.datasets import load_iris
>>> from sklearn import tree

>>> clf = tree.DecisionTreeClassifier(random_state=0)
>>> iris = load_iris()

>>> clf = clf.fit(iris.data, iris.target)
>>> tree.plot_tree(clf)
[...]

Примеры из галереи

Построение поверхности решений деревьев решений, обученных на наборе данных iris

Изучение структуры дерева решений