sklearn.tree.export_text

sklearn.tree.export_text()

Crea un reporte que muestra las reglas de un árbol de decisión.

Ten en cuenta que es posible que no se admita la compatibilidad con versiones anteriores.

Parámetros

decision_treeobjeto

El estimador del árbol de decisión que se va a exportar. Puede ser una instancia de DecisionTreeClassifier o DecisionTreeRegressor.

feature_nameslista o cadena, default=None

Una lista de longitud n_features que contiene los nombres de las características. Si es None se utilizarán nombres genéricos («feature_0», «feature_1», …).

max_depthint, default=10

Sólo se exportan los primeros niveles de profundidad máxima del árbol. Las ramas truncadas se marcarán con «…».

spacingint, default=3

Cantidad de espacios entre las aristas. Cuanto más alto es, más ancho será el resultado.

decimalsint, default=2

Número de dígitos decimales a mostrar.

show_weightsbool, default=False

Si es verdadero, se exportarán los pesos de clasificación en cada hoja. Los pesos de clasificación son el número de muestras de cada clase.

Devuelve

reportcadena

Resumen de texto de todas las reglas en el árbol de decisión.

Ejemplos

>>> 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