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
Sirius.z3 小时前
第R6周:LSTM实现糖尿病探索与预测
python
名字还没想好☜4 小时前
Python f-string 进阶:数字格式化、对齐填充、调试 = 号与嵌套表达式
开发语言·数据库·python·字符串格式化·f-string
IvanCodes4 小时前
RAG 实战教程(一):RAG 工作原理与完整流程——分片、索引、召回、重排和生成
人工智能·后端·agent
·薯条大王4 小时前
经济实惠玩云服务器|一台云服务器多人共用,子账号配置教程
java·linux·运维·服务器·汇编·c++·python
今天AI了吗4 小时前
合规场景下的 AI 推理可解释性:Attention 可视化与推理路径追踪的工程实践
人工智能
周末程序猿5 小时前
浅析大模型推理十二篇之KV Cache
人工智能
鱼樱前端5 小时前
用 AI 做内容变收入
前端·人工智能·ai编程
Dxy12393102165 小时前
Python 如何使用 MySQL 的事务
python·mysql
Dawson Zhu5 小时前
基于Palantir Foundry构建半导体制造AI友好型数据中台:从良率分析场景谈起
人工智能·语言模型·架构·制造·agi
fthux6 小时前
装闭 RenoPit 源码解析(04):装修图纸和合同文件上传处理流程
人工智能·ai·开源·github·open source·renopit