机器学习实战：基于Scikit-Learn、Keras 和TensorFlow （原书第2 版）

决策树

｜

163

from sklearn.tree import

export_graphviz

export_graphviz(

tree_clf,

out_file=image_path("iris_tree.dot"),

feature_names=iris.feature_names[2:],

class_names=iris.target_names,

rounded=True,

filled=True

)

然后，你可以使用 Graphviz 软件包中的 dot 命令行工具将此

.dot

文件转换为多种格式，

例如 PDF 或 PNG

注 1

。此命令行将

.dot

文件转换为

.png

图像文件：

$

dot -Tpng iris_tree.dot -o iris_tree.png

你的第一个决策树如图 6-1 所示。

图 6-1：鸢尾花决策树

6.2 做出预测

让我们看看图 6-1 中的树是如何进行预测的。假设你找到一朵鸢尾花，要对其进行分类。

你从根节点开始（深度为 0，在顶部）：该节点询问花的花瓣长度是否小于 2.45cm。如

果是，则向下移动到根的左子节点（深度 1，左）。在这种情况下，它是一片叶子节点

（即它没有任何子节点），因此它不会提出任何问题：只需查看该节点的预测类，然后决

策树就可以预测花朵是山鸢尾花（class = setosa）。

注 1：graphviz 是一个开源图形可视化软件包，可从

http://wwwgraphviz.org/

获取。

164

｜

第

6

章

现在假设你发现了另一朵花，这次花瓣的长度大于 ...