如何显示测试样本的决策树路径？

Question

我正在使用来自 scikit-learn 的DecisionTreeClassifier 对一些多类数据进行分类。我发现了许多描述如何显示决策树路径的帖子，例如 here、here 和 here。但是，它们都描述了如何为训练数据显示树。这是有道理的，因为export_graphviz 只需要一个拟合模型。

我的问题是如何可视化测试样本上的树（最好是export_graphviz）。 IE。在用clf.fit(X[train], y[train]) 拟合模型，然后通过clf.predict(X[test]) 预测测试数据的结果后，我想可视化用于预测样本X[test] 的决策路径。有没有办法做到这一点？

编辑：

我看到可以使用decision_path 打印路径。如果有办法让 DOT 输出到 export_graphviz 来显示它，那就太好了。

Answer 1

为了获取决策树中特定样本的路径，您可以使用decision_path。它返回一个稀疏矩阵，其中包含所提供样本的决策路径。

然后可以使用这些决策路径对通过pydot 生成的树进行着色/标记。这需要覆盖颜色和标签（这会导致代码有点难看）。

备注

• decision_path 可以从训练集或新值中抽取样本
• 您可以随意使用颜色，并根据样本数量或可能需要的任何其他可视化更改颜色

示例

在下面的示例中，访问的节点以绿色着色，所有其他节点均为白色。

import pydotplus
from sklearn.datasets import load_iris
from sklearn import tree

clf = tree.DecisionTreeClassifier(random_state=42)
iris = load_iris()

clf = clf.fit(iris.data, iris.target)

dot_data = tree.export_graphviz(clf, out_file=None,
                                feature_names=iris.feature_names,
                                class_names=iris.target_names,
                                filled=True, rounded=True,
                                special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)

# empty all nodes, i.e.set color to white and number of samples to zero
for node in graph.get_node_list():
    if node.get_attributes().get('label') is None:
        continue
    if 'samples = ' in node.get_attributes()['label']:
        labels = node.get_attributes()['label'].split('<br/>')
        for i, label in enumerate(labels):
            if label.startswith('samples = '):
                labels[i] = 'samples = 0'
        node.set('label', '<br/>'.join(labels))
        node.set_fillcolor('white')

samples = iris.data[129:130]
decision_paths = clf.decision_path(samples)

for decision_path in decision_paths:
    for n, node_value in enumerate(decision_path.toarray()[0]):
        if node_value == 0:
            continue
        node = graph.get_node(str(n))[0]            
        node.set_fillcolor('green')
        labels = node.get_attributes()['label'].split('<br/>')
        for i, label in enumerate(labels):
            if label.startswith('samples = '):
                labels[i] = 'samples = {}'.format(int(label.split('=')[1]) + 1)

        node.set('label', '<br/>'.join(labels))

filename = 'tree.png'
graph.write_png(filename)