【实例】随机森林可视化的方法（含Python代码）

红太狼 2023-09-28 19:34 7阅读 0赞

**随机森林是多棵决策树的组合，使用scikit-learn时没有直接的方法显示随机森林，只能拆解成单棵树来显示。使用随机森林的属性clf.estimators\_获取随机森林的决策树列表（ 注意，estimators后边有一个下划线 ’ \_’ ）**

### 代码 ###

from sklearn import datasets
    from sklearn.ensemble import RandomForestClassifier
    from IPython.display import Image
    from sklearn import tree
    import pydotplus
    
    # 仍然使用自带的iris数据
    iris = datasets.load_iris()
    X = iris.data
    y = iris.target
    
    # 训练模型，限制树的最大深度4
    clf = RandomForestClassifier(max_depth=4)
    #拟合模型
    clf.fit(X, y)
    
    Estimators = clf.estimators_
    for index, model in enumerate(Estimators):
        filename = 'iris_' + str(index) + '.pdf'
        dot_data = tree.export_graphviz(model , 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)
        graph.write_pdf(filename)

我们看一下结果为：  
![6efac03e44d7442d9ca33f78d9244753.png][]  
![7350978d2b2941c0be683f7416715447.png][]  
我们生成了100个PDF文件，每个文件为一个决策树：  
![在这里插入图片描述][53430f76aa094fe0975b6268bb9b8485.png]  
![在这里插入图片描述][d6c513b146234cbba61809ab3399fdf8.png]  
。。。。。

![da810f65244b42e18712b93c44ba865c.png][]

[6efac03e44d7442d9ca33f78d9244753.png]: https://img-blog.csdnimg.cn/6efac03e44d7442d9ca33f78d9244753.png
[7350978d2b2941c0be683f7416715447.png]: https://img-blog.csdnimg.cn/7350978d2b2941c0be683f7416715447.png
[53430f76aa094fe0975b6268bb9b8485.png]: https://img-blog.csdnimg.cn/53430f76aa094fe0975b6268bb9b8485.png
[d6c513b146234cbba61809ab3399fdf8.png]: https://img-blog.csdnimg.cn/d6c513b146234cbba61809ab3399fdf8.png
[da810f65244b42e18712b93c44ba865c.png]: https://img-blog.csdnimg.cn/da810f65244b42e18712b93c44ba865c.png