sklearn.tree.export_text¶
sklearn.tree.export_text(decision_tree, *, feature_names=None, max_depth=10, spacing=3, decimals=2, show_weights=False)
建立一个文本报告，显示决策树的规则。 请注意，可能不支持向后兼容。
| 参数 | 说明 |
|---|---|
| decision_tree | object 要导出的决策树评估器。它可以是DecisionTreeClassifier或DecisionTreeRegressor的实例。 |
| feature_names | list, optional (default=None) 包含特征名称的长度为n_features的列表。 如果为None,则使用通用名称（“ feature_0”，“ feature_1”，…）。 |
| max_depth | int, optional (default=10) 仅导出树的第一个max_depth级别。截断的分支将标记为“…”。 |
| spacing | int, optional (default=3) 边之间的间隔数。值越高，结果越宽。 |
| decimals | int, optional (default=2) 要显示的小数位数。 |
| show_weights | bool, optional (default=False) 如果为true，则将在每个叶子上导出分类权重。分类权重是每个类别的样本数。 |
| 返回值 | 说明 |
|---|---|
| report | string 决策树中所有规则的文本摘要。 |
示例
>>> 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
