export_text#

sklearn.tree.export_text(decision_tree, *, feature_names=None, class_names=None, max_depth=10, spacing=3, decimals=2, show_weights=False)[источник]#

Построить текстовый отчёт, показывающий правила дерева решений.

Обратите внимание, что обратная совместимость может не поддерживаться.

Параметры:
decision_treeobject

Оцениватель дерева решений для экспорта. Это может быть экземпляр DecisionTreeClassifier или DecisionTreeRegressor.

feature_namesarray-like формы (n_features,), по умолчанию=None

Массив, содержащий имена признаков. Если None, будут использоваться общие имена (“feature_0”, “feature_1”, …).

class_namesarray-like формы (n_classes,), по умолчанию=None

Имена каждого из целевых классов в возрастающем числовом порядке. Актуально только для классификации и не поддерживается для многомерного вывода.

  • if None, имена классов делегируются decision_tree.classes_;

  • в противном случае, class_names будет использоваться в качестве имён классов вместо decision_tree.classes_. Длина class_names должен соответствовать длине decision_tree.classes_.

Добавлено в версии 1.3.

max_depthint, по умолчанию=10

Экспортируются только первые max_depth уровней дерева. Усеченные ветви будут отмечены «…».

spacingint, по умолчанию=3

Количество пробелов между краями. Чем оно выше, тем шире результат.

decimalsint, по умолчанию=2

Количество десятичных знаков для отображения.

show_weightsbool, по умолчанию=False

Если true, веса классификации будут экспортированы на каждом листе. Веса классификации — это количество образцов каждого класса.

Возвращает:
reportstr

Текстовое описание всех правил в дереве решений.

Примеры

>>> from sklearn.datasets import load_iris
>>> from sklearn.tree import DecisionTreeClassifier
>>> from sklearn.tree import export_text
>>> iris = load_iris()
>>> X = iris['data']
>>> y = iris['target']
>>> decision_tree = DecisionTreeClassifier(random_state=0, max_depth=2)
>>> decision_tree = decision_tree.fit(X, y)
>>> r = export_text(decision_tree, feature_names=iris['feature_names'])
>>> print(r)
|--- petal width (cm) <= 0.80
|   |--- class: 0
|--- petal width (cm) >  0.80
|   |--- petal width (cm) <= 1.75
|   |   |--- class: 1
|   |--- petal width (cm) >  1.75
|   |   |--- class: 2
На этой странице