如何显示测试样本的决策树路径？

Question

我正在使用scikit-learn 中的DecisionTreeClassifier对一些多类数据进行分类。我发现很多帖子描述了如何显示决策树路径，例如这里，这里和这里。然而，它们都描述了如何显示训练数据的树。这是有道理的，因为export_graphviz只需要一个合适的模型。

我的问题是如何可视化测试样本上的树（最好通过export_graphviz）。即，在拟合模型clf.fit(X[train], y[train])，然后预测测试数据的结果之后clf.predict(X[test])，我想可视化用于预测样本的决策路径X[test]。有没有办法做到这一点？

编辑：

我看到可以使用Decision_path打印路径。如果有一种方法可以获取DOT输出来export_graphviz显示它，那就太好了。

Answer 1

为了获取决策树中特定样本所采用的路径，您可以使用decision_path. 它返回一个稀疏矩阵，其中包含所提供样本的决策路径。

然后，这些决策路径可用于对通过 生成的树进行着色/标记pydot。这需要覆盖颜色和标签（这会导致一些丑陋的代码）。

笔记

• decision_path可以从训练集中获取样本或新值
• 您可以随意使用颜色并根据样本数量或可能需要的任何其他可视化来更改颜色

例子

在下面的示例中，访问过的节点为绿色，所有其他节点为白色。

import pydotplus
from sklearn.datasets import load_iris
from sklearn import tree

clf = tree.DecisionTreeClassifier(random_state=42)
iris = load_iris()

clf = clf.fit(iris.data, iris.target)

dot_data = tree.export_graphviz(clf, out_file=None,
                                feature_names=iris.feature_names,
                                class_names=iris.target_names,
                                filled=True, rounded=True,
                                special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)

# empty all nodes, i.e.set color to white and number of samples to zero
for node in graph.get_node_list():
    if node.get_attributes().get('label') is None:
        continue
    if 'samples = ' in node.get_attributes()['label']:
        labels = node.get_attributes()['label'].split('<br/>')
        for i, label in enumerate(labels):
            if label.startswith('samples = '):
                labels[i] = 'samples = 0'
        node.set('label', '<br/>'.join(labels))
        node.set_fillcolor('white')

samples = iris.data[129:130]
decision_paths = clf.decision_path(samples)

for decision_path in decision_paths:
    for n, node_value in enumerate(decision_path.toarray()[0]):
        if node_value == 0:
            continue
        node = graph.get_node(str(n))[0]            
        node.set_fillcolor('green')
        labels = node.get_attributes()['label'].split('<br/>')
        for i, label in enumerate(labels):
            if label.startswith('samples = '):
                labels[i] = 'samples = {}'.format(int(label.split('=')[1]) + 1)

        node.set('label', '<br/>'.join(labels))

filename = 'tree.png'
graph.write_png(filename)