目前無論是機器學習競賽還是工業界,最流行、應用最廣泛的xgboost其實是優化后的GBDT（LightGBM里面的boosting比較經典穩定的也是GBDT哦！），而GBDT的基分類器最常用的就是CART決策樹！掌握決策樹，對理解之后的GBDT、LightGBM都有大有裨益。

可視化的方式理解決策樹，對深刻理解這個模型很有幫助。大家最熟知的決策樹可視化實現方式是下面這種：

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")

這種方法很好地展示了樹的結構，但并不完美：
1、基尼系數會占用圖中的空間，并且不利于解釋
2、每個節點中各目標類別的樣本數不夠直觀

今天向大家介紹一個更為驚艷的決策樹可視化庫——dtreeviz ?，我們直接看幾張效果圖

dtreeviz有以下特色：

• 利用有顏色的目標類別圖例

• 葉子大小與該葉子中的樣本數成正比

• 將≥和<用作邊緣標簽，看起來更清晰

• 決策節點利用堆疊直方圖展示特征分布，每個目標類別都會用不同的顏色顯示

• 在每個節點中各目標類別的樣本數都用直方圖的形式，這樣可以提供更多信息

dtreeviz同樣依賴GraphViz，其安裝配置方法可以參考我之前的文章（點擊直達：決策樹的可視化）

GraphViz 搞定后，安裝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

使用也很簡單

各位伙伴們好，詹帥本帥搭建了一個個人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請移步小程序體驗一下哦！（歡迎提建議）

推薦閱讀

牛逼！Python常用數據類型的基本操作（長文系列第①篇）

牛逼！Python的判斷、循環和各種表達式（長文系列第②篇）

牛逼！Python函數和文件操作（長文系列第③篇）

牛逼！Python錯誤、異常和模塊（長文系列第④篇）

總結

以上是生活随笔為你收集整理的决策树可视化，被惊艳到了！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。