首页 文章

试图从scikit-learn合奏中打印出森林的决策树

提问于
浏览 次
4

我试图从scikit-learn ensemble打印出森林的决策树：例如对于DecisionTreeClassifier，我会使用：

from sklearn import tree  
clf = tree.DecisionTreeClassifier( criterion ='entropy', max_depth = 3,    
min_samples_leaf = 
clf = clf.fit( X_train, y_train) #Input this to analyze the training set.

import pydot, StringIO
dot_data = StringIO.StringIO() 
tree.export_graphviz( clf, out_file = dot_data,    
feature_names =[' age', 'sex', 'first_class', 'second_class', 'third_class'])
graph = pydot.graph_from_dot_data( dot_data.getvalue())
graph.write_png('visualtree.png') 
from IPython.core.display import Image
Image( filename =visualtree.png')

我为Random Forest Regressor尝试了类似的方法（见下文并得到错误）

# Fit regression model
from sklearn.ensemble import RandomForestRegressor
rfr_1 = RandomForestRegressor(n_estimators=10, max_depth=5)
rfr_1.fit(X, y)

from sklearn.ensemble import*
import pydot, StringIO
dot_data = StringIO.StringIO() 
ensemble.export_graphviz( rf1, out_file = dot_data,    
feature_names =[' Temperature', 'Translator Bacteria'])
graph = pydot.graph_from_dot_data( dot_data.getvalue())
graph.write_png('fish.png') 
from IPython.core.display import Image

图片（filename ='fish.png'）

文件"randomforestregressor.py"，第45行，在ensemble.export_graphviz中（rf1，out_file = dot_data，
NameError：未定义名称'ensemble'

我怎么做到这一点？谢谢！

python numpy matplotlib graphviz scikit-learn

1 回答

  • 6

    错误消息非常明确：

    File "randomforestregressor.py", line 45, in ensemble.export_graphviz( rf1, out_file = dot_data, NameError: name 'ensemble' is not defined

    您在脚本行45中访问名为 ensemble 的变量，但您从未定义过这样的变量 . 在您的情况下，您可能希望该变量指向 sklearn.ensemble 包：

    from sklearn import ensemble

    但是，如果执行此操作，您可能会获得 AttributeError ，因为 sklearn.ensemble 包没有 export_graphviz 功能 .

    相反，您可能想要做的是通过迭代 rfr_1.estimators_ 列表的元素并在每个树上调用 sklearn.tree 包的 export_graphviz 方法，在林中为每个树生成一个图像 .

    然而，在实践中，显示森林的树木通常是无用的 . 从业者通常会建造具有数百或数千棵树的随机森林，以获得良好的预测准确性 . 在这种情况下，目视检查许多树是不切实际的 .

    回复于

相关问题