Python包treeplot基于randomforest或xgboost模型将树可视化。
treeplot的Python项目详细描述
树丛
- treeplot是Python包,可以轻松地绘制从decisiontrees、randomforest和xgboost等模型派生的树。 开发可解释的机器学习模型在许多领域变得越来越重要。最流行和经典的可解释模型仍然是基于树的。想想决策树或随机森林。所学的树可以被形象化然后解释。然而,简单地绘制这棵树可能是一个挑战。想一想dot文件的配置问题,graphviz的路径位置,操作系统之间的差异,jupyter notebook,colab,spyder等编辑器之间的差异。这种挫败感导致了这个库,一种绘制决策树的简单方法。它适用于随机森林、决策树、xgboost和梯度提升模型。在引擎盖下,它会做很多检查,下载graphviz,设置路径,然后绘制树。在
玩得开心!在
treeplot中的函数
Treeplot可以为随机森林、决策树、xgboost和梯度提升模型绘制树:
- 树绘图.plot():使用默认设置绘制四个模型中任意一个的树的通用函数
- treeplot.plot_树():绘制决策树模型。可以指定参数。在
- 随机森林():绘制随机森林模型。可以指定参数。在
- treeplot.xg增压():绘制xgboost模型。可以指定参数。在
- treeplot.import_示例('iris'):导入示例数据集
内容
安装
- 从PyPI安装treeplot(推荐)。treeplot与python3.6+兼容,可在Linux、macosx和Windows上运行。在
- 它是根据麻省理工学院的许可证发行的。在
pip install treeplot
- 或者,从GitHub源安装treeplot:
导入treeplot包
importtreeplot
随机森林示例:
# Load example datasetX,y=treeplot.import_example()# Learn modelfromsklearn.ensembleimportRandomForestClassifiermodel=RandomForestClassifier(n_estimators=100,max_depth=2,random_state=0).fit(X,y)
# Make plotax=treeplot.plot(model)# or directlyax=treeplot.randomforest(model)
在
# If more parameters needs to be specified, use the exact function:ax=treeplot.randomforest(model,export='pdf')
示例XGboost:
# Load example datasetX,y=treeplot.import_example()# Learn modelfromxgboostimportXGBClassifiermodel=XGBClassifier(n_estimators=100,max_depth=2,random_state=0).fit(X,y)
# Make plotax=treeplot.plot(model)# or directlyax=treeplot.xgboost(model)
在
# If more parameters needs to be specified, use the exact function:ax=treeplot.xgboost(model,plottype='vertical')
在
维修人员
- Erdogan Taskesen,github:erdogant
贡献
- 欢迎投稿。在
许可证
有关详细信息,请参见LICENSE。在
- 项目
标签: