如何使用 Python 决策树分类器从分类变量中创建描述树答案

【问题标题】：How to make a descriptive tree out of categorical variables with Python Decision Tree Classifier如何使用 Python 决策树分类器从分类变量中创建描述树
【发布时间】：2021-03-15 00:44:29
【问题描述】：

每次我们使用 Python (sklearn) 拟合树分类器时，我们都应该将分类数据转换为数值数据。转换后，如果我们想看看这棵树的实际样子，我们几乎无法观察到，因为我们只能看到数字。

那么，如果我想使用 Python 绘制一棵描述性树（只是想看看它在哪里分裂，它使用哪个类别。），我应该怎么做？ R好像没有这种问题，但是Python有什么解决办法吗？

【问题讨论】：

标签： python decision-tree

【解决方案1】：

很好的问题和解释模型的非常好的练习。这是我的意见。

根据您的要求准备数据。像往常一样对分类数据进行热编码。如果属性是有序的，请使用适当的预处理。
使用 sklearn 拟合决策树。根据需要执行超参数调整。后半部分很重要，因为有时如果数据很大，绘制的决策树会变得难以阅读。
现在可以通过多种方式绘制树 - 表示为文本或表示为树的图像。

3.1 用于文本表示

from sklearn import tree
from sklearn.tree import DecisionTreeClassifier
model_instance = DecisionTreeClassifier()
model_instance.fit(X,y)
text_representation = tree.export_text(model_instance)
print(text_representation)

3.2 绘制树

import matplotlib.pyplot as plt
fig = plt.figure(figsize=(15,8)) # I like 15,8 personally
tree.plot_tree(model_instance,feature_names,class_names,filled=True) 

# if you'd like to save the tree as .png

fig.savefig("Tree.png")

有用的资源：

【讨论】：

感谢您的回答！我尝试了这两种方法，但我没有得到原始特征的分割信息，它们仍然是数字。例如：|--- 特征_37 0.50 | | | |--- 等级：1 | |--- 特征_23 > 0.50 | | |--- 特征_0 51.50 | | | |--- 等级：1 |--- 特征_37 > 0.50 | |--- 类：0 什么是 feature_37？有没有办法将其映射回原始特征？
嗨 Anuj，我尝试了“tree.plot_tree(dct,data_x.columns, data_y.columns,filled=True)”，但它从未奏效。我收到错误“索引 37 超出轴 0 大小为 1 的范围”。 dct 是我安装的模型。我只是意识到我可以使用“feature_37”来确定它与数字 37 一起使用的功能，但如果我仍然可以使第二个选项起作用会更好。
feature_37 等新功能是我理解的 one-hot 编码功能。因此，如果您的分类属性有 n 个唯一值，那么您现在将 feature_n、feature_n-1 等作为新特征。