更改使用导出graphviz创建的决策树图的颜色

• 您可以通过获取所有边缘的列表

  graph.get_edge_list()

• 每个源节点应有两个目标节点，索引较低的一个被评估为True，索引较高的一个被评估为False。

• 可以通过以下方式分配颜色

  set_fillcolor()

  import pydotplus
  from sklearn.datasets import load_iris
  from sklearn import tree
  import collections
  

  clf = tree.DecisionTreeClassifier(random_state=42)
  iris = load_iris()

  clf = clf.fit(iris.data, iris.target)

  dot_data = tree.export_graphviz(clf,
  feature_names=iris.feature_names,
  out_file=None,
  filled=True,
  rounded=True)
  graph = pydotplus.graph_from_dot_data(dot_data)

  colors = (‘brown’, ‘forestgreen’)
  edges = collections.defaultdict(list)

  for edge in graph.get_edge_list():
  edges[edge.get_source()].append(int(edge.get_destination()))

  for edge in edges:
  edges[edge].sort()
  for i in range(2):
  dest = graph.get_node(str(edges[edge][i]))[0]
  dest.set_fillcolor(colors[i])

  graph.write_png(‘tree.png’)

另外，我看过一些树，其中连接节点的线的长度
与拆分所解释的％方差成正比。
如果可能的话，我也希望能够做到这一点！

你可以玩set_weight()和set_len()但这是一个有点
棘手，需要一些摆弄得到它的权利，但这里是一些代码，让
你开始。

for edge in edges:    edges[edge].sort()    src = graph.get_node(edge)[0]    total_weight = int(src.get_attributes()['label'].split('samples = ')[1].split('<br/>')[0])    for i in range(2):        dest = graph.get_node(str(edges[edge][i]))[0]        weight = int(dest.get_attributes()['label'].split('samples = ')[1].split('<br/>')[0])        graph.get_edge(edge, str(edges[edge][0]))[0].set_weight((1 - weight / total_weight) * 100)        graph.get_edge(edge, str(edges[edge][0]))[0].set_len(weight / total_weight)        graph.get_edge(edge, str(edges[edge][0]))[0].set_minlen(weight / total_weight)