加载数据

from matplotlib import pyplot as plt
from sklearn import datasets
from sklearn.tree import DecisionTreeClassifier 
from sklearn import tree

# Prepare the data data
iris = datasets.load_iris()
X = iris.data
y = iris.target

# Fit the classifier with default hyper-parameters
clf = DecisionTreeClassifier(random_state=1234)
model = clf.fit(X, y)

以文本的形式显示决策树规则

text_representation = tree.export_text(clf)
print(text_representation)

# Save rules
with open(os.path.join(DATA_DIR, "decistion_tree.log"), "w") as fout:
    fout.write(text_representation)

输出如下

决策树可视化

fig = plt.figure(figsize=(25,20))
_ = tree.plot_tree(
    clf, 
    feature_names=iris.feature_names,  
    class_names=iris.target_names,
    filled=True
)

# Save picture
fig.savefig("decistion_tree.png")

可视化效果如下：

关键参数

max_depth（default=None）：最大深度。当决策树过深的时候可以只画一部分。

fig = plt.figure(figsize=(25,20))
_ = tree.plot_tree(
    clf, 
    feature_names=iris.feature_names,  
    class_names=iris.target_names,
    filled=True,
    max_depth=1
)

class_names: list of str or bool, default=None
这个参数值只和分类问题有关。如果填入标签名称的话，那么就会用名称表示；如果是True的话，就会用编码来表示标签（也就是 “y[0]”, “y[1]”, …）——升序排列

fig = plt.figure(figsize=(25,20))
_ = tree.plot_tree(
    clf, 
    feature_names=iris.feature_names,  
    class_names=True,
    filled=True
)

注意我们原先填入的标签名称为

feature_names: list of strings, default=None
如果填入特征的名称的话，就会用特征名称表示；如果设置为None，那么就会用(“X[0]”, “X[1]”, …)来进行表示（同class_names）

fig = plt.figure(figsize=(25,20))
_ = tree.plot_tree(
    clf, 
    feature_names=None,  
    class_names=True,
    filled=True
)

注意我们原先填入的特征名称为

可视化解释

gini基尼不纯度（gini impurity）：用来衡量节点的纯度。具体来说，如果我们根据数据集的标签分布情况，来判断样本的标签，那么判断错的概率就是gini impurity。因此公式如下。
如果gini是0，表示该节点是“纯的”，也就是说该节点的样本全都属于同一类；如果是大于0的，那么说明该节点中的样本属于不同的类。gini越大，就代表“混乱”的程度越大，也就是每种类型出现的程度越相近。比如，P1=0.5，P2 = 1 – P1 = 0.5，gini = 0.25 + 0.25 = 0.5；P1=0.9，P2 = 1 – P1 = 0.1，gini = 0.09 + 0.09 = 0.18。

samples：当前节点所包含的样本数量。比如上图中，Depth 0中，包含150个样本，Depth1的右边节点，包含100个样本。

values：表示在当前节点的样本中，分别属于三个类别的样本数量有多少。比如目前这个图是个3分类问题，那么属于类别【s，ve，vi】的分别有【50，50，50】。

class：表示如果当前节点会把样本判断属于哪个标签。比如Depth2的左边节点，这个时候节点就根据样本的分布（第二个标签ve的样本最多），然后判断样本都属于ve标签下。

参考资料：
https://scikit-learn.org/stable/modules/generated/sklearn.tree.plot_tree.html?highlight=plot_tree#sklearn.tree.plot_tree
https://scikit-learn.org/stable/modules/generated/sklearn.tree.export_text.html
https://mljar.com/blog/visualize-decision-tree/