时间戳

首页 > 解决方案 > 针对最大深度绘制决策树训练/测试精度

python - 针对最大深度绘制决策树训练/测试精度

问题描述

我试图从决策树模型中绘制我的训练集和测试集的准确性。由于我是使用 python 的新手，我不确定我应该使用哪种类型的图形包。我使用了一个简单的 for 循环来获取打印结果，但不确定如何绘制它。

谢谢！

我的代码：

for x in max_depth_list :

  dtc =DecisionTreeClassifier(max_depth=x)
  dtc.fit(train_x,train_y)

  train_z = dtc.predict(train_x)
  train_z_prob = dtc.predict_proba(train_x)[:,1]

  test_z = dtc.predict(test_x)
  test_z_prob = dtc.predict_proba(test_x)[:,1]

  print("split: {}".format(x))
  print("model accuracy: {}".format(accuracy_score(test_y, test_z)))

所需图表 在此处输入图像描述

标签： pythonplotdecision-tree

解决方案

您发布的图像中的情节很可能是使用该matplotlib.pyplot模块创建的。假设您已导入其他必要的依赖项，您可能可以通过执行类似的操作来绘制类似的图表：

import numpy as np
import matplotlib.pyplot as plt

max_depth_list = [1,2,3,4]

train_errors = [] # Log training errors for each model
test_errors = [] # Log testing errors for each model

for x in max_depth_list:
    dtc = DecisionTreeClassifier(max_depth=x) 
    dtc.fit(train_x,train_y)
    train_z = dtc.predict(train_x)
    test_z = dtc.predict(test_x)
    train_errors.append(accuracy_score(train_x, train_z))
    test_errors.append(accuracy_score(test_y, test_z))

x = np.arange(len(max_depth_list)) + 1 # Create domain for plot
plt.plot(x, train_errors, label='Training Error') # Plot training error over domain
plt.plot(x, test_errors, label='Testing Error') # Plot testing error over domain
plt.xlabel('Maximum Depth') # Label x-axis
plt.ylabel('Total Error') # Label y-axis
plt.legend() # Show plot labels as legend
plt.show() # Show graph

我也是这个社区的新手，所以我无法向其他用户提供建议。但是，格式化源代码以获得更好的可读性和演示效果可能是一个好主意。只是一个抬头。

我希望这有帮助。让我知道是否有任何不清楚的地方。

推荐阅读