如何显示测试样本的决策树路径？

Question

我正在使用来自scikit的DecisionTreeClassifier学习分类一些多类数据。我发现很多帖子描述了如何显示决策树路径，如here，here和here。但是，它们都描述了如何显示训练数据的树。这是有道理的，因为export_graphviz只需要一个合适的模型。

我的问题是如何在测试样本上可视化树（最好是通过export_graphviz）。即在用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之后，我想要想象用于预测样本X[test]的决策路径。有没有办法做到这一点？

编辑：

我看到路径可以使用decision_path打印。如果有一种方法可以获得DOT的export_graphviz输出来显示它，那就太好了。

Answer 1

为了获得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（这会导致一些丑陋的代码）。

笔记

• decision_path可以从训练集或新值中取样
• 你可以随意使用颜色并根据样本数量或其他任何可视化需要更改颜色

例

在下面的示例中，受访节点以绿色着色，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)