sklearn.tree.export_graphviz Alternativen

Question

Es ist möglich, Entscheidungsbäume mit pydotplus von pypi zu visualisieren, aber es hat Probleme auf meinem Rechner (es heißt, es wurde nicht mit libexpat gebaut und zeigt daher nur eine Zahl auf einem Knoten statt einer Tabelle mit einigen Informationen) und ich möchte eine Alternative verwenden. Ich habe bereits versucht, networkx zu verwenden, aber es erfordert pygraphviz, um .dot-Dateien zu lesen und einen networkx-Graph von ihnen zu machen. Als ich versuchte, es mit Pip zu installieren, das auch fehlschlug.

Jetzt suche ich nach einer alternativen Möglichkeit, Entscheidungsbäume zu visualisieren, die mit Pip oder Anaconda installiert werden können.

Welche Alternativen gibt es?

EDIT # 1

Ausgabe von conda list:

# packages in environment at /home/xiaolong/development/anaconda3/envs/coursera_ml_classification: 
# 
alabaster     0.7.7     py34_0 defaults 
awscli     1.6.2      <pip> 
babel      2.3.3     py34_0 defaults 
backports     1.0      py34_0 defaults 
backports-abc    0.4      <pip> 
backports.shutil-get-terminal-size 1.0.0      <pip> 
backports_abc    0.4      py34_0 defaults 
bcdoc      0.12.2     <pip> 
boto      2.33.0     <pip> 
botocore     0.73.0     <pip> 
cairo      1.12.18      6 defaults 
certifi     2015.4.28     <pip> 
colorama     0.2.5      <pip> 
cycler     0.10.0     py34_0 defaults 
decorator     4.0.9     py34_0 defaults 
docutils     0.12      py34_0 defaults 
entrypoints    0.2      py34_1 defaults 
expat      2.1.0       0 defaults 
fontconfig    2.11.1      5 defaults 
freetype     2.5.5       0 defaults 
get_terminal_size   1.0.0     py34_0 defaults 
glib      2.43.0      2 asmeurer 
graphviz     2.38.0      1 defaults 
harfbuzz     0.9.39      0 defaults 
imagesize     0.7.0     py34_0 defaults 
ipykernel     4.3.1     py34_0 defaults 
ipython     4.2.0     py34_0 defaults 
ipython-genutils   0.1.0      <pip> 
ipython_genutils   0.1.0     py34_0 defaults 
ipywidgets    4.1.1     py34_0 defaults 
jedi      0.9.0     py34_0 defaults 
jinja2     2.8      py34_0 defaults 
jmespath     0.5.0      <pip> 
jsonschema    2.5.1     py34_0 defaults 
jupyter     1.0.0     py34_2 defaults 
jupyter-client   4.2.2      <pip> 
jupyter-console   4.1.1      <pip> 
jupyter-core    4.1.0      <pip> 
jupyter_client   4.2.2     py34_0 defaults 
jupyter_console   4.1.1     py34_0 defaults 
jupyter_core    4.1.0     py34_0 defaults 
libffi     3.2.1       0 defaults 
libgcc     5.2.0       0 defaults 
libgfortran    3.0.0       1 defaults 
libpng     1.6.17      0 defaults 
libsodium     1.0.3       0 defaults 
libxml2     2.9.2       0 defaults 
llvmlite     0.10.0     py34_0 defaults 
markupsafe    0.23      py34_0 defaults 
matplotlib    1.5.1    np111py34_0 defaults 
mistune     0.7.2     py34_0 defaults 
mkl      11.3.1      0 defaults 
multipledispatch   0.4.8      <pip> 
nbconvert     4.2.0     py34_0 defaults 
nbformat     4.0.1     py34_0 defaults 
notebook     4.2.0     py34_0 defaults 
numpy      1.11.0     py34_0 defaults 
openssl     1.0.2h      0 defaults 
pandas     0.18.1    np111py34_0 defaults 
pango      1.39.0      0 defaults 
path.py     8.2.1     py34_0 defaults 
pep8      1.7.0     py34_0 defaults 
pexpect     4.0.1     py34_0 defaults 
pickleshare    0.5      py34_0 defaults 
pip      8.1.1     py34_1 defaults 
pixman     0.32.6      0 defaults 
prettytable    0.7.2      <pip> 
psutil     4.1.0     py34_0 defaults 
ptyprocess    0.5      py34_0 defaults 
pyasn1     0.1.9      <pip> 
pydotplus     2.0.2     py34_0 file:///home/xiaolong/development/anaconda3/conda-bld/linux-64/pydotplus-2.0.2-py34_0.tar.bz2 
pyflakes     1.1.0     py34_0 defaults 
pygments     2.1.3     py34_0 defaults 
pyparsing     2.1.1     py34_0 defaults 
pyqt      4.11.4     py34_1 defaults 
python     3.4.4       0 defaults 
python-contrib-nbextensions alpha      <pip> 
python-dateutil   2.5.2     py34_0 defaults 
pytz      2016.3     py34_0 defaults 
pyyaml     3.11      <pip> 
pyzmq      15.2.0     py34_0 defaults 
qt      4.8.7       1 defaults 
qtconsole     4.2.1     py34_0 defaults 
readline     6.2       2 defaults 
requests     2.9.1      <pip> 
rope      0.9.4     py34_1 defaults 
rope-py3k     0.9.4.post1    <pip> 
rsa      3.1.2      <pip> 
scikit-learn    0.17.1    np111py34_0 defaults 
scipy      0.17.0    np111py34_3 defaults 
setuptools    20.7.0     py34_0 defaults 
sframe     1.8.5      <pip> 
simplegeneric    0.8.1     py34_0 defaults 
sip      4.16.9     py34_0 defaults 
six      1.10.0     py34_0 defaults 
snowballstemmer   1.2.1     py34_0 defaults 
sphinx     1.4.1     py34_0 defaults 
sphinx-rtd-theme   0.1.9      <pip> 
sphinx_rtd_theme   0.1.9     py34_0 defaults 
spyder     2.3.8     py34_1 defaults 
sqlite     3.9.2       0 defaults 
terminado     0.5      py34_1 defaults 
tk      8.5.18      0 defaults 
tornado     4.3      py34_0 defaults 
traitlets     4.2.1     py34_0 defaults 
wheel      0.29.0     py34_0 defaults 
xz      5.0.5       1 defaults 
zeromq     4.1.3       0 defaults 
zlib      1.2.8       0 defaults 

SciPy Version: 0.17.0

digraph Tree { 
node [shape=box, style="filled", color="black"] ; 
0 [label="grade.B <= 0.5\ngini = 0.5\nsamples = 37224\nvalue = [18476, 18748]", fillcolor="#399de504"] ; 
1 [label="grade.C <= 0.5\ngini = 0.4973\nsamples = 32094\nvalue = [17218, 14876]", fillcolor="#e5813923"] ; 
0 -> 1 [labeldistance=2.5, labelangle=45, headlabel="True"] ; 
2 [label="gini = 0.4829\nsamples = 21728\nvalue = [12875, 8853]", fillcolor="#e5813950"] ; 
1 -> 2 ; 
3 [label="gini = 0.4869\nsamples = 10366\nvalue = [4343, 6023]", fillcolor="#399de547"] ; 
1 -> 3 ; 
4 [label="grade.A <= 14.8301\ngini = 0.3702\nsamples = 5130\nvalue = [1258, 3872]", fillcolor="#399de5ac"] ; 
0 -> 4 [labeldistance=2.5, labelangle=-45, headlabel="False"] ; 
5 [label="gini = 0.3555\nsamples = 4987\nvalue = [1153, 3834]", fillcolor="#399de5b2"] ; 
4 -> 5 ; 
6 [label="gini = 0.3902\nsamples = 143\nvalue = [105, 38]", fillcolor="#e58139a3"] ; 
4 -> 6 ; 
} 

EDIT # 2

ich programmierte dies in einem Jupyter Notebook, aber das hat einen Fehler von nicht svg Färbung, wenn Sie versuchen, die SVG anzuzeigen mit:

![Decision Tree]('dtree.svg') 

fand ich eine Behelfslösung here:

from IPython.display import HTML 

svg = None 
with open('dtree.svg') as svg_file: 
    svg = svg_file.read() 

HTML(svg) 

Answer 1

Es ist nicht die sexy Lösung, aber ich benutze die Grapviz CLI (es heißt dot) über subprocess, ich bin auf dem Mac, so dass ich es mit Homebrew installiert, aber Sie können Binärdateien für andere Plattformen from their downloads page herunterladen. Hier ein Beispiel mit dem Titanic-Datensatz:

import pandas as pd 
import subprocess 
import seaborn.apionly as sns 
fromwd sklearn.preprocessing import Imputer 
from sklearn.tree import DecisionTreeClassifier, export_graphviz 

raw_data = sns.load_dataset('titanic') 
predictors = ['pclass','sex','age','sibsp','parch','fare','embarked','alone','adult_male'] 
categorical = ['sex','embarked'] 
numeric = [c for c in predictors if c not in categorical] 
target='survived' 

encoded_data = pd.get_dummies(raw_data[predictors], columns=categorical) 

imputer = Imputer() 
X = imputer.fit_transform(encoded_data).astype('float32') 
Y = raw_data[target].astype('float32') 

model = DecisionTreeClassifier(min_samples_leaf=10, max_depth=3) 
model.fit(X, Y) 

export_graphviz(model, 
       out_file='tree.dot', 
       feature_names=encoded_data.columns, 
       proportion=True, 
       filled=True, 
       impurity=False) 

subprocess.call(['dot', '-Tpdf', 'tree.dot', '-o' 'tree.pdf'])