sklearn.tree.export_graphviz

cpp 复制代码
sklearn.tree.export_graphviz(decision_tree,              
                             out_file=None,              
                             *,
                             max_depth=None,             
                             feature_names=None,         
                             class_names=None,           
                             label='all',                
                             filled=False,               
                             leaves_parallel=False,      
                             impurity=True,              
                             node_ids=False,             
                             proportion=False,           
                             rotate=False,               
                             rounded=False,              
                             special_characters=False,   
                             precision=3,                
                             fontname='helvetica'        
)
  • decision_tree, 决策树分类器,要导出到 GraphViz的决策树
  • out_file=None, 要导出到 GraphViz 的决策树
  • *,
  • max_depth=None, 整数,默认=无。表示的最大深度。如果没有,则完全生成树。
  • feature_names=None, 每个函数的名称。如果 None 将使用通用名称("feature_0"、"feature_1"、...)。
  • class_names=None, 每个目标类别的名称按数字升序排列。仅与分类相关,不支持multi-output。如果 True ,则显示类名的符号表示。
  • label='all', {'all', 'root', 'none'},默认='全部';是否显示杂质标签等。选项包括'all' 显示在每个节点,'root' 仅显示在顶部根节点,或'none' 不显示在任何节点。
  • filled=False, 布尔,默认=假。当设置为 True 时,绘制节点以指示分类的多数类、回归值的极值或 multi-output 的节点纯度。
  • leaves_parallel=False, 布尔,默认=假。当设置为 True 时,在树的底部绘制所有叶节点。
  • impurity=True, 布尔,默认=真。当设置为 True 时,显示每个节点的杂质。
  • node_ids=False, 布尔,默认=假。当设置为 True 时,在每个节点上显示 ID 号。
  • proportion=False, 布尔,默认=假。当设置为 True 时,将 'values' 和/或 'samples' 的显示分别更改为比例和百分比。
  • rotate=False, 布尔,默认=假。当设置为 True 时,将树从左到右而不是自上而下。
  • rounded=False, 布尔,默认=假。当设置为 True 时,绘制圆角节点框。
  • special_characters=False, 布尔,默认=假。当设置为 False 时,忽略特殊字符以兼容 PostScript。
  • precision=3, 整数,默认=3。每个节点的杂质、阈值和值属性值中浮点精度的位数。
  • fontname='helvetica' str,默认='helvetica'。用于呈现文本的字体名称。
相关推荐
mightbxg3 分钟前
【学习一下】深入理解交叉熵
人工智能·学习·机器学习
别惹CC6 分钟前
OpenClaw 是如何设计提示词的?
人工智能·ai·aigc
AI周红伟7 分钟前
周红伟:信创大模型企业级部署实操,Qwen3.5 昇腾企业级部署案例实操
大数据·人工智能·大模型·智能体
q1234567890988 分钟前
FNN sin predict
开发语言·python
阿星AI工作室10 分钟前
我做了个飞书转公众号排版器,6套高颜值主题想换就换
前端·人工智能
响叮当!15 分钟前
大模型输出的全过程
人工智能·深度学习·机器学习
杨浦老苏17 分钟前
AI提示词管理工具AiShort
人工智能·docker·ai·群晖
先做个垃圾出来………22 分钟前
Python字节串“b“前缀
开发语言·python
qq_3140098326 分钟前
Windows10+WSL部署Openclaw接入飞书实践
人工智能·飞书
SmartBrain29 分钟前
多智能体设计(第二部分):消息传递机制(含考题)
人工智能·架构·langchain·aigc