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
不会写DN3 分钟前
PyScript-GitHubRepo:构建高性能GitHub仓库批量下载工具的技术实践
开发语言·前端·python
SilentSamsara1 小时前
生成器完全指南:`yield` 与惰性求值的工程价值
linux·开发语言·python·算法·机器学习·青少年编程
辉视广播对讲8 小时前
医院IPTV,让医疗服务更有温度
网络·人工智能
xqqxqxxq8 小时前
Java AI智能P图工具技术笔记
java·人工智能·笔记
AI袋鼠帝8 小时前
本地4B开源模型,把任何App当Skil用!告 别token焦虑,私密性强~
人工智能
ComputerInBook8 小时前
数字图像处理(4版)——第 11 章——特征提取(下)(Rafael C.Gonzalez&Richard E. Woods)
图像处理·人工智能·特征提取
在线打码8 小时前
ToutiaoAI:AI 驱动的智能新闻杂志平台
人工智能·ai·aigc·ai写作·新闻资讯
ar01238 小时前
AR电路巡检:让电力运维进入智能可视化时代
运维·人工智能·ar
低调小一8 小时前
Midscene.js 原理拆解:它不是“自然语言点按钮”,而是一套会看屏幕的 UI 自动化运行时
人工智能·rnn·架构·大模型·transformer·tdd·midscene
YJlio9 小时前
7.4.5 Windows 11 企业网络连接与网络重置实战:远程访问、本地策略与故障恢复
前端·chrome·windows·python·edge·机器人·django