Python3：《机器学习实战》之决策树算法（2）画个儿时的树

小咪咪 2022-06-09 10:27 190阅读 0赞

# Python3：《机器学习实战》之决策树算法（2）画个儿时的树 #

--------------------

*  **转载请注明作者和出处：[http://blog.csdn.net/u011475210][http_blog.csdn.net_u011475210]**
 *  **代码地址：[https://github.com/WordZzzz/ML/tree/master/Ch03][https_github.com_WordZzzz_ML_tree_master_Ch03]**
 *  **操作系统：WINDOWS 10**
 *  **软件版本：python-3.6.2-amd64**
 *  **编  者：WordZzzz**

--------------------

*  Python3机器学习实战之决策树算法2画个儿时的树
    
     *  前言
     *  Matplotlib注解
     *  构造注解树

## 前言： ##

上一篇博文已经介绍了如何从数据集中创建树，然而字典的表示形式非常不易理解，而且直接绘制图形也比较困难。决策树的主要优点就是直观易于理解，如果不能将其直观的显示出来，优势便无从谈起，所以本片博文就介绍一下如何利用Matplotlib库来创建树形图。

## Matplotlib注解： ##

Matplotlib提供了一个非常有用的注解工具annotations，它可以在数据图像上添加文本注解。由于数据上面直接存在文本描述非常丑陋，因此工具内嵌支持带尖头的画线工具，使得我们可以在其他前挡的地方指向数据位置，并在此处添加描述信息，解释数据内容，如下图：

![SouthEast][]

打开文本编辑器，创建名为treePlotter.py的新文件，输入下面的程序代码。

代码实现：

'''
    Created on Aug 14, 2017
    
    @author: WordZzzz
    '''
    
    import matplotlib.pyplot as plt
    
    #定义文本框和箭头格式
    decisionNode = dict(boxstyle="sawtooth", fc="0.8")
    leafNode = dict(boxstyle="round4", fc="0.8")
    arrow_args = dict(arrowstyle="<-")
    
    def plotNode(nodeTxt, centerPt, parentPt, nodeType):
        """
        Function：   绘制带箭头的注解
    
        Args：       nodeTxt：文本注解
                    centerPt：箭头终点坐标
                    parentPt：箭头起始坐标
                    nodeType：文本框类型
    
        Returns：    无
        """
        #在全局变量createPlot0.ax1中绘图
        createPlot0.ax1.annotate(nodeTxt, xy=parentPt,  xycoords='axes fraction',
                 xytext=centerPt, textcoords='axes fraction',
                 va="center", ha="center", bbox=nodeType, arrowprops=arrow_args )
    
    def createPlot0():
        """
        Function：   使用文本注解绘制树节点
    
        Args：       无
    
        Returns：    无
        """
        #创建一个新图形
        fig = plt.figure(1, facecolor='white')
        #清空绘图区
        fig.clf()
        #给全局变量createPlot0.ax1赋值
        createPlot0.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses 
        #绘制第一个文本注解
        plotNode('a decision node', (0.5, 0.1), (0.1, 0.5), decisionNode)
        #绘制第二个文本注解
        plotNode('a leaf node', (0.8, 0.1), (0.3, 0.8), leafNode)
        #显示最终绘制结果
        plt.show()

输出结果：

>>> import treePlotter
    >>> treePlotter.createPlot0()

程序结果如图所示，我们也可以改变函数plotNode()，观察图中x、y的位置如何变化。

![SouthEast 1][]

## 构造注解树： ##

绘制一颗完整的树需要技巧，虽然我们有坐标，但是如何放置所有的树节点却是个问题。所以我们需要知道有多少个叶节点来确定x轴长度；haixuyao知道有多少层来确定y轴的高度。

代码实现：

def getNumLeafs(myTree):
        """
        Function：   获取叶节点的数目
    
        Args：       myTree：树信息
    
        Returns：    numLeafs：叶节点的数目
        """
        #初始化叶节点数目
        numLeafs = 0
        #第一个关键字为第一次划分数据集的类别标签，附带的取值表示子节点的取值
        firstStr = myTree.keys()[0]
        #新的树，相当于脱了一层皮
        secondDict = myTree[firstStr]
        for key in secondDict.keys():
            #判断子节点是否为字典类型
            if type(secondDict[key]).__name__=='dict':
                #是的话表明该节点也是一个判断节点，递归调用getNumLeafs()函数
                numLeafs += getNumLeafs(secondDict[key])
            else:
                numLeafs += 1
        #返回叶节点数目
        return numLeafs
    
    def getTreeDepth(myTree):
        """
        Function：   获取树的层数
    
        Args：       myTree：树信息
    
        Returns：    maxDepth：最大层数
        """
        #初始化最大层数
        maxDepth = 0
        #第一个关键字为第一次划分数据集的类别标签，附带的取值表示子节点的取值
        firstStr = myTree.keys()[0]
        #新的树，相当于脱了一层皮
        secondDict = myTree[firstStr]
        for key in secondDict.keys():
            #判断子节点是否为字典类型
            if type(secondDict[key]).__name__=='dict':
                #是的话表明该节点也是一个判断节点，递归调用getTreeDepth()函数
                thisDepth = 1 + getTreeDepth(secondDict[key])
            else:   
                thisDepth = 1
            if thisDepth > maxDepth: maxDepth = thisDepth
        #返回最大层数
        return maxDepth

retrieveTree()主要用于测试，返回预定义的树结构。

def retrieveTree(i):
        """
        Function：   创建树
    
        Args：       i：要输出的树在里列表中的位置
    
        Returns：    listOfTrees[i]：输出预先存储的树
        """
        listOfTrees =[{
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: 'no', 1: 'yes'}}}},
                      {
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: {
       'head': {
       0: 'no', 1: 'yes'}}, 1: 'no'}}}}
                      ]
        return listOfTrees[i]

输出结果：

>>> reload(treePlotter)
    <module 'treePlotter' from 'E:\\机器学习实战\\mycode\\Ch03\\treePlotter.py'>
    >>> treePlotter.retrieveTree(1)
    {
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: {
       'head': {
       0: 'no', 1: 'yes'}}, 1: 'no'}}}}
    >>> treePlotter.retrieveTree(0)
    {
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: 'no', 1: 'yes'}}}}
    >>> myTree = treePlotter.retrieveTree(0)
    >>> treePlotter.getNumLeafs(myTree)
    3
    >>> treePlotter.getTreeDepth(myTree)
    2

报（python2.x与python3.x的差异）：

TypeError: 'dict_keys' object does not support indexing

解决（强制类型转换）：  
Probably this was written with python2.x (when d.keys() returned a list). With python3.x, d.keys() returns a dict\_keys object which behaves a lot more like a set than a list. As such, it can’t be indexed.

The solution is to pass list(d.keys()) (or simply list(d)) to shuffle.

我们需要重新编写createPlot()函数，在createPlot0()的基础上进行完善。

代码实现：

def plotMidText(cntrPt, parentPt, txtString):
        """
        Function：   在父子节点间填充文本信息
    
        Args：       cntrPt：树信息
                    parentPt：父节点坐标
                    txtString：文本注解
    
        Returns：    无
        """
        xMid = (parentPt[0]-cntrPt[0])/2.0 + cntrPt[0]
        yMid = (parentPt[1]-cntrPt[1])/2.0 + cntrPt[1]
        createPlot.ax1.text(xMid, yMid, txtString, va="center", ha="center", rotation=30)
    
    def plotTree(myTree, parentPt, nodeTxt):#if the first key tells you what feat was split on
        """
        Function：   创建数据集和标签
    
        Args：       myTree：树信息
                    parentPt：箭头起始坐标
                    nodeTxt：文本注解
    
        Returns：    无
        """
        #计算树的宽
        numLeafs = getNumLeafs(myTree)  #this determines the x width of this tree
        #计算树的高
        depth = getTreeDepth(myTree)
        #第一个关键字为第一次划分数据集的类别标签，附带的取值表示子节点的取值
        firstStr = list(myTree.keys())[0]     #the text label for this node should be this
        #下一个节点的位置
        cntrPt = (plotTree.xOff + (1.0 + float(numLeafs))/2.0/plotTree.totalW, plotTree.yOff)
        #计算父节点和子节点的中间位置，并在此处添加简单的文本信息
        plotMidText(cntrPt, parentPt, nodeTxt)
        #绘制此节点带箭头的注解
        plotNode(firstStr, cntrPt, parentPt, decisionNode)
        #新的树，相当于脱了一层皮
        secondDict = myTree[firstStr]
        #按比例减少全局变量plotTree.yOff
        plotTree.yOff = plotTree.yOff - 1.0/plotTree.totalD
        #
        for key in secondDict.keys():
            #判断子节点是否为字典类型
            if type(secondDict[key]).__name__=='dict':
                #是的话表明该节点也是一个判断节点，递归调用plotTree()函数 
                plotTree(secondDict[key],cntrPt,str(key))
            else:
                #不是的话更新x坐标值
                plotTree.xOff = plotTree.xOff + 1.0/plotTree.totalW
                #绘制此节点带箭头的注解
                plotNode(secondDict[key], (plotTree.xOff, plotTree.yOff), cntrPt, leafNode)
                #绘制此节点带箭头的注解
                plotMidText((plotTree.xOff, plotTree.yOff), cntrPt, str(key))
        #按比例增加全局变量plotTree.yOff
        plotTree.yOff = plotTree.yOff + 1.0/plotTree.totalD
    #if you do get a dictonary you know it's a tree, and the first element will be another dict
    
    def createPlot(inTree):
        """
        Function：   使用文本注解绘制树节点
    
        Args：       inTree：
    
        Returns：    无
        """
        #创建一个新图形
        fig = plt.figure(1, facecolor='white')
        #清空绘图区
        fig.clf()
        #创建一个字典
        axprops = dict(xticks=[], yticks=[])
        #给全局变量createPlot.ax1赋值
        createPlot.ax1 = plt.subplot(111, frameon=False, **axprops)    #no ticks
        #createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses 
        #取得叶节点数目
        plotTree.totalW = float(getNumLeafs(inTree))
        #取得树最大层
        plotTree.totalD = float(getTreeDepth(inTree))
        #设置起点值
        plotTree.xOff = -0.5/plotTree.totalW; plotTree.yOff = 1.0;
        #绘制数
        plotTree(inTree, (0.5,1.0), '')
        #显示最终绘制结果
        plt.show()

输出结果：

>>> reload(treePlotter)
    <module 'treePlotter' from 'E:\\机器学习实战\\mycode\\Ch03\\treePlotter.py'>
    >>> myTree = treePlotter.retrieveTree(0)
    >>> treePlotter.createPlot(myTree)

输出效果如下图所示：

![SouthEast 2][]

接着按照命令更改字典，重新绘制树形图。

输出结果：

>>> myTree['no surfacing'][3] = 'maybe'
    >>> myTree
    {
       'no surfacing': {
       0: 'no', 1: {
       'flippers': {
       0: 'no', 1: 'yes'}}, 3: 'maybe'}}
    >>> treePlotter.createPlot(myTree)

![SouthEast 3][]

**系列教程持续发布中，欢迎订阅、关注、收藏、评论、点赞哦～～(￣▽￣～)～**

**完的汪(∪｡∪)｡｡｡zzz**

[http_blog.csdn.net_u011475210]: http://blog.csdn.net/u011475210
[https_github.com_WordZzzz_ML_tree_master_Ch03]: https://github.com/WordZzzz/ML/tree/master/Ch03
[SouthEast]: /images/20220609/1fe4d7d6dc4a4c34896ec50cb71a1ebf.png
[SouthEast 1]: /images/20220609/4526962e6111400ab2d30c7b49a95e05.png
[SouthEast 2]: /images/20220609/8b5a851209ff455fb503c62d5ea4a1b2.png
[SouthEast 3]: /images/20220609/afe1fe361717470baa114abb66b987c8.png