《机器学习实战》——在python中使用Matplotlib注解绘制树形图

最新推荐文章于 2024-07-26 11:40:56 发布

原创

最新推荐文章于 2024-07-26 11:40:56 发布 · 3.2k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#python #机器学习

这篇博客介绍如何在Python中使用Matplotlib库来绘制带有注解的决策树。通过定义不同节点的样式，利用plotNode函数创建注解，然后通过getNumLeafs和getTreeDepth函数计算树的宽度和深度，最后通过plotTree实现树的可视化。示例展示了如何绘制两棵决策树。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

# encoding=utf-8
#使用文本注解绘制树形图
import matplotlib.pyplot as plt

decisionNode = dict(boxstyle="sawtooth", fc="0.8")
leafNode = dict(boxstyle="round4", fc="0.8")
arrow_args = dict(arrowstyle="<-")
#上面三行代码定义文本框和箭头格式
#定义决策树决策结果的属性，用字典来定义，也可写作 decisionNode={boxstyle:'sawtooth',fc:'0.8'}
#其中boxstyle表示文本框类型，sawtooth是波浪型的，fc指的是注释框颜色的深度
#arrowstyle表示箭头的样式

def plotNode(nodeTxt, centerPt, parentPt, nodeType):#该函数执行了实际的绘图功能
#nodeTxt指要显示的文本，centerPt指的是文本中心点，parentPt指向文本中心的点
    createPlot.ax1.annotate(nodeTxt, xy=parentPt,  xycoords='axes fraction',
             xytext=centerPt, textcoords='axes fraction',
             va="center", ha="center", bbox=nodeType, arrowprops=arrow_args )


#获取叶节点的数目