sklearn-决策树

训练树模型
from sklearn.tree import DecisionTreeClassifier #导入决策树分类库
from sklearn.datasets import load_breast_cancer #导入数据集
cancer=load_breast_cancer() #实例化
from sklearn.model_selection import train_test_split

以上因为叶节点是纯的，所以精度为1

以上深度设为 4，测试集上表现比上面的好

分析树模型：

首先可视化树模型

from sklearn.tree import export_graphviz
export_graphviz(treeMaxD4,out_file='E:\temp\tree.dot',class_names=['maligant','benign'],feature_names=cancer['feature_names'],impurity=False,filled=True)
with open('E:\temp\tree.dot') as f:
    dot_graph=f.read()
    graphviz.Source(dot_graph)

在文件下就存在了pdf

 特征重要性表