如何用Python从随机森林模型中可视化出一个决策树

在搭建机器学习模型时，如果能将模型可视化，能够大大帮助我们理解模型。此前集智曾分享一个叫做 ANN Visualizer 工具，只需一行 Python 代码就能给自己正在搭建的神经网络创建出简洁漂亮的可视化图形：

https://www. zhihu.com/question/3704 6157/answer/359507425

目前 ANN Visualizer 能够可视化深层神经网络和卷积神经网络，但是对于一些更简单的模型比如随机森林，尚无法可视化。今天就教大家如何用 Python 和 Scikit-learn 从随机森林模型中可视化出一个决策树。

可视化的背后考量

在随机森林中每个决策树的创建各不相同，所以我们用图像来展示每个决策树背后的推理逻辑，而非具体细节。当特征很多时，这样能帮你限制决策树的最大深度，不然最后你会得到数量庞大的决策树，虽然看着很壮观，但是却无法解释！下图就是有 50 个特征时的决策树示例：

可视化决策树

只需将如下代码拷贝粘贴到你的 Jupyter notebook 或 Python 脚本中，替换为你自己的数据后运行即可：

    from sklearn.datasets import load_iris
iris = load_iris()
# 模型(也可用单个决策树)
from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=10)
# 训练
model.fit(iris.data,iris.target)
# 提取一个决策树
estimator = model.estimators_[5]
from sklearn.tree import export_graphviz
# 导出为dot 文件
export_graphviz(estimator,out_file='tree.dot',feature_names = iris.feature_names,class_names = iris.target_names,rounded = True,proportion = False,precision = 2,filled = True)
# 用系统命令转为PNG文件(需要 Graphviz)
from subprocess import call
call(['dot','-Tpng','tree.dot','-o','tree.png','-Gdpi=600'])
# 在jupyter notebook中展示
from IPython.display import Image
Image(filename = 'tree.png')

最终会得到如下图所示的一个完整的决策树：

图：用鸢尾花数据集得到的决策树

代码解释

• 创建一个模型进行训练和提取?：这里我们可以使用一个单一的决策树模型，但这里以随机森林模型为例。（决策树之间会略有差异）。

    from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=10)
# 训练
model.fit(iris.data,iris.target)
# 提取一个决策树
estimator = model.estimators_[5]

• 将决策树导出为.dot 文件?：这会使用 Scikit-learn 中的 export_graphviz 函数。这里有很多参数控制着最终展示的信息。可以查看 Scikit-learn 文档详情：

http:// scikit-learn.org/stable /modules/generated/sklearn.tree.export_graphviz.html

    from sklearn.tree import export_graphviz
# 导出为dot文件
export_graphviz(estimator_limited,filled = True)

• 使用系统命令将 dot 转为 png?：使用 Python 运行系统命令，很方便解决一些简单任务。这需要我们安装graphviz（?https:// graphviz.gitlab.io/down load/?），它包含了dot实用程序。

    # 转换为PNG文件
from subprocess import call
call(['dot','-Gdpi=600'])

• 可视化：?在 Jupyter notebook 中展示可视化结果，也可以使用 matplotlib 来展示图像。

    from IPython.display import Image
Image(filename = 'tree.png')

结语

如今机器学习仍然面临所谓的黑箱问题，因而一张图是不足以解决问题的。不过，查看单个决策树的可视化结果能够为我们展示模型（或随机森林）并非是不可解释的，而是一系列的逻辑问题和答案，非常像我们在做决策时所做的种种推理。可以自己试着练习一下。

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!