[置顶] 决策树绘图（一）

既然我们掌握了ID3的决策树算法，但是直接看那个树形结构可能对于很多人来说，很抽象，这里我就简单照着机器学习实战的书上一起来学习下，如何利用python进行绘图操作，我们引用pyplot这个库，这个库来自于matplotlib；记得前面好像我也将结果如何使用这个库来进行简单的绘图，连接是http://blog.csdn.net/xueyunf/article/details/9091719， 

这里讲解下如何进行决策树图的绘制，首先我们需要绘制箭头，标注框等东西。这些可以使用annotate函数进行完成，具体参数可以查阅：

http://matplotlib.org/api/axes_api.html?highlight=annotate#matplotlib.axes.Axes.annotate

下面给出代码：

import matplotlib.pyplot as plt
decisionNode = dict(boxstyle="sawtooth", fc="0.8")
leafNode = dict(boxstyle="round4", fc="0.8")
arrow_args = dict(arrowstyle="<-")

def plotNode(nodeTxt, centerPt, parentPt, nodeType):
    createPlot.ax1.annotate(nodeTxt, xy=parentPt,
    xycoords='axes fraction',
    xytext=centerPt, textcoords='axes fraction',
    va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)
    
def createPlot():
    fig = plt.figure(1, facecolor='white')
    fig.clf()
    createPlot.ax1 = plt.subplot(111, frameon=False)
    plotNode('a decision node', (0.5, 0.1), (0.1, 0.5), decisionNode)
    plotNode('a leaf node', (0.8, 0.1), (0.3, 0.8), leafNode)
    plt.show()

createPlot()

第一个函数完成 产生节点，第二个函数调用第一个函数来完成绘图。

下面继续程序截图：

O(∩_∩)O~，这个貌似和书中的截图不一样，可以确定书中的图经过了翻译，但是代码却忘了翻译，也许是译者的疏忽吧，或者是翻译过来大家好理解，但是为了尊重原作者，所以代码没有修改，怎么理解都好，这不重要，重点是如何完成绘图。