Python、PyDot 和决策树

Posted 2023-03-12

【中文标题】Python、PyDot 和决策树

【英文标题】：Python, PyDot and DecisionTree

【发布时间】：2015-09-21 10:13:09

【问题描述】：

我正在尝试可视化我的决策树，但出现错误 代码是：

X = [i[1:] for i in dataset]#attribute
y = [i[0] for i in dataset]
clf = tree.DecisionTreeClassifier()

dot_data = StringIO()
tree.export_graphviz(clf.fit(train_X, train_y), out_file=dot_data)
graph = pydot.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("tree.pdf")

错误是

Traceback (most recent call last):
if data.startswith(codecs.BOM_UTF8):
TypeError: startswith first arg must be str or a tuple of str, not bytes

谁能解释一下是什么问题？非常感谢！

【问题讨论】：

您是否向我们展示了所有代码？我没有看到回溯指出的 if 语句。除此之外，显然startswith() 方法需要一个字符串作为输入“string”或一个字符串元组（“st”、“st2”、“st3”）。您将错误的数据类型传递给了startswith() 方法调用。要么您没有正确使用 codecs.BOM_UTF8，要么您必须将其转换为字符串 --> str(codecs.BOM_UTF8)

【参考方案1】：

如果使用 Python 3，只需使用 pydotplus 而不是 pydot。它还会有一个 pip 的软安装过程。

import pydotplus

<your code>

dot_data = StringIO()
tree.export_graphviz(clf, out_file=dot_data)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
graph.write_pdf("iris.pdf")

【讨论】：

这是最好的建议 - 谢谢 +1 我在 Jupyter 上将它与 Image(graph.create_png()) 一起使用，而不是把它写成 pdf 并且工作起来很有魅力

你也可以dot_data = tree.export_graphviz(clf, out_file=None)

【参考方案2】：

我遇到了同样的问题，只是花了几个小时试图解决这个问题。我不能保证我在这里分享的内容对其他人有用，但可能值得一试。

我尝试安装官方的pydot 软件包，但我有 Python 3，但它们根本不起作用。在我浏览的众多网站之一的线程中找到一条注释后，我最终安装了this forked repository of pydot。 我去了graphviz.org 并在我的Windows 7 机器上安装了他们的软件。如果您没有 Windows，请查看您系统的下载部分。 安装成功后，在环境变量（Control Panel\All Control Panel Items\System\Advanced system settings>点击Environment Variables按钮>在System variables下找到变量path>点击Edit...>我在@987654332的末尾添加了;C:\Program Files (x86)\Graphviz2.38\bin @字段。 为了确认我现在可以在命令行（Windows 命令处理器）中使用dot 命令，我输入了dot -V，它返回了dot - graphviz version 2.38.0 (20140413.2041)。

在下面的代码中，请记住我正在从剪贴板中读取dataframe。你可能正在从文件中读取它或你有什么。

在 IPython 笔记本中：

import pandas as pd
import numpy as np
from sklearn import tree
import pydot
from IPython.display import Image
from sklearn.externals.six import StringIO

df = pd.read_clipboard()
X = df[df.columns[:-1]]
y = df[df.columns[-1]]

dtr = tree.DecisionTreeRegressor(max_depth=3)
dtr.fit(X, y)

dot_data = StringIO()  
tree.export_graphviz(dtr, out_file=dot_data, feature_names=X.columns)  
graph = pydot.graph_from_dot_data(dot_data.getvalue())  
Image(graph.create_png()) 

或者，如果您不使用 IPython，只要您安装了 graphviz（上面的第 2 步），就可以从命令行生成自己的图像。使用我上面相同的示例代码，您在拟合模型后使用此行：

tree.export_graphviz(dtr.tree_, out_file='treepic.dot', feature_names=X.columns)

然后打开treepic.dot文件所在的命令提示符并输入以下命令行：

dot -T png treepic.dot -o treepic.png

应该使用您的决策树创建一个 .png 文件。

【参考方案3】：

有问题的行是检查流/文件是否编码为 UTF-8

代替：

if data.startswith(codecs.BOM_UTF8):

使用：

if codecs.BOM_UTF8 in data:

你可能会取得更大的成功...

【讨论】：

应该注意这两行并不完全等同，如果数据需要以它开头，那么第二行可能不起作用。

他正在寻找字符串方法中的 unicode。不太可能工作。尽管它们可能不等价，但 BOM 通常位于文件的开头，并且不会在其他任何地方使用（除非您真的弄乱了文件）请参阅 en.wikipedia.org/wiki/Byte_order_mark

我想问题出在我的数据文件中，有人知道它应该是什么样子吗？我有一个 csv 文件，其中第一个字符串包含每列中的属性名称，进一步的字符串包含数字数据。所以我的 X 和 Y 是文件中的数字数据，我让他们在打开文件时制作“skiprows=1”

@Polly 没有看到文件，我们都在猜测。如果您想要更有建设性的答案，您需要提供更多详细信息。我上面的回答可能会在特定背景下处理您的原始问题。