파이썬 실천 100개 노크 제5장의 결정 나무를 graphviz를 이용해 시각화해 보았다
5255 단어 파이썬Graphvizscikit-learn기계 학습
소개
「Python 실천 100개 노크」를 이용해 공부하고 있습니다. 이 책은 실제 상황에 가까운 데이터를 이용하여 데이터 분석 공부를 할 수 있기 때문에 정말 좋은 책이라고 생각합니다 (그렇다고해도 실제로는 더 더 심한 데이터가 많이 있을 것입니다만…).
그런 본서의 5장에서 scikit-learn에서 결정목을 이용하여 분석을 하는 장면이 있습니다. 거기서 모델을 작성합니다만, 나무 구조의 가시화는 graphviz를 이용해 도전해 봐~라고 하는 것이므로, 이번 해 보았습니다.
※ 초보자가 투고하고 있으므로, 실수하고 있는 경우는 교수 주시면 다행입니다.
대상 독자
대상 개소
파이썬 연습 100개 노크
-> 제5장 고객의 탈퇴를 예측하는 10개 노크
-> 노크 49:모델의 기여하고 있는 변수를 확인하자
내 PC 환경
graphviz 설치
먼저 homebrew를 사용하여 본체를 설치합니다.
brew install graphviz
또한 Python 용 라이브러리를 pip를 사용하여 설치합니다 (anaconda는 conda로 할 수있는 것 같습니다).
pip install graphviz
코드
※ p.127의 코드까지 실시하고 있는 전제로 이하 기재하고 있습니다.
1. Jupyter notebook에 표시하는 방법
그렇다고 하더라도 다음 코드를 추가하기만 하면 됩니다. 매우 간단합니다.
from sklearn import tree
import graphviz
dot_data = tree.export_graphviz(model, out_file=None)
graph = graphviz.Source(dot_data)
graph
2. 파일을 만드는 방법
마지막 코드를 조금 수정하면 pdf 파일을 만들 수 있습니다. 이 예에서는 "test.pdf"가 현재 디렉토리에 작성됩니다.
from sklearn import tree
import graphviz
dot_data = tree.export_graphviz(model, out_file=None)
graph = graphviz.Source(dot_data)
graph.render('test')
3. 터미널을 사용하여 파일을 만드는 방법(덤)
sklearn.tree의 export_graphviz 함수를 사용하여 DOT 언어 형식의 결정 트리 파일을 만들고 Jupyter notebook에서 시스템 명령을 실행합니다.
from sklearn import tree
import graphviz
with open('test.dot', mode='w') as f:
tree.export_graphviz(model, out_file=f)
!dot -T png test.dot -o test.png
참고문헌
이 기사는 다음 정보를 참고로 작성했습니다. 자세한 정보는 아래를 참조하십시오.
1.10. Decision Trees(공식 문서입니다)
sklearn.tree.export_graphviz (여기도 공식 문서입니다)
Python : scikit-learn에서 결정 나무 (Decision Tree)를 시도해보십시오 (참고하겠습니다)
Reference
이 문제에 관하여(파이썬 실천 100개 노크 제5장의 결정 나무를 graphviz를 이용해 시각화해 보았다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/okkonomy/items/55e87e8d90d05e60194c
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
brew install graphviz
pip install graphviz
※ p.127의 코드까지 실시하고 있는 전제로 이하 기재하고 있습니다.
1. Jupyter notebook에 표시하는 방법
그렇다고 하더라도 다음 코드를 추가하기만 하면 됩니다. 매우 간단합니다.
from sklearn import tree
import graphviz
dot_data = tree.export_graphviz(model, out_file=None)
graph = graphviz.Source(dot_data)
graph
2. 파일을 만드는 방법
마지막 코드를 조금 수정하면 pdf 파일을 만들 수 있습니다. 이 예에서는 "test.pdf"가 현재 디렉토리에 작성됩니다.
from sklearn import tree
import graphviz
dot_data = tree.export_graphviz(model, out_file=None)
graph = graphviz.Source(dot_data)
graph.render('test')
3. 터미널을 사용하여 파일을 만드는 방법(덤)
sklearn.tree의 export_graphviz 함수를 사용하여 DOT 언어 형식의 결정 트리 파일을 만들고 Jupyter notebook에서 시스템 명령을 실행합니다.
from sklearn import tree
import graphviz
with open('test.dot', mode='w') as f:
tree.export_graphviz(model, out_file=f)
!dot -T png test.dot -o test.png
참고문헌
이 기사는 다음 정보를 참고로 작성했습니다. 자세한 정보는 아래를 참조하십시오.
1.10. Decision Trees(공식 문서입니다)
sklearn.tree.export_graphviz (여기도 공식 문서입니다)
Python : scikit-learn에서 결정 나무 (Decision Tree)를 시도해보십시오 (참고하겠습니다)
Reference
이 문제에 관하여(파이썬 실천 100개 노크 제5장의 결정 나무를 graphviz를 이용해 시각화해 보았다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/okkonomy/items/55e87e8d90d05e60194c
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
Reference
이 문제에 관하여(파이썬 실천 100개 노크 제5장의 결정 나무를 graphviz를 이용해 시각화해 보았다), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/okkonomy/items/55e87e8d90d05e60194c텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)