今天开始学习《Python机器学习：预测分析核心算法》的第六章：集成方法，并生成了第一个二元决策树。代码不难，如下：
1 1 import numpy 2 2 from sklearn import tree 3 3 from sklearn.tree import DecisionTreeRegressor 4 4 from sklearn.externals.six import StringIO 5 5 from math import sqrt 6 6 import matplotlib.pyplot as plot 7 7 8 8 #读取原数据，这里我将原数据已经从网上下载下来，用readlines()进行读取 9 9 target_file= open('winequality-red.csv','r') 10 10 data = target_file.readlines() 11 11 target_file.close() 12 12 13 13 #将原数据中标题行（names）与数据行分开，并将数据行中属性（xList与labels）分开 14 14 xList = [] 15 15 labels = [] 16 16 names = [] 17 17 #设置一个firstLine布尔型变量，设为True，在执行一遍for语句后即变为False 18 18 firstLine = True 19 19 for line in data: 20 20 if firstLine: 21 21 names = line.strip().split(";") 22 22 firstLine = False 23 23 else: 24 24 #分离数据行中的标签与属性 25 25 #split on semi-colon 26 26 row = line.strip().split(";") 27 27 #put labels in separate array 28 28 labels.append(float(row[-1])) 29 29 #remove label from row 30 30 row.pop() 31 31 #convert row to floats 32 32 floatRow = [float(num) for num in row] 33 33 xList.append(floatRow) 34 34 35 35 #获得数据行中属性（xList）一共多少行（nrows），和多少列（ncol） 36 36 nrows = len(xList) 37 37 ncols = len(xList[0]) 38 38 39 39 wineTree = DecisionTreeRegressor(max_depth=5) 40 40 41 41 wineTree.fit(xList, labels) 42 42 43 43 with open("wineTree.dot", 'w') as f: 44 44 f = tree.export_graphviz(wineTree, out_file=f) 45 45 #Note: The code above exports the trained tree info to a Graphviz "dot" file. 46 46 #Drawing the graph requires installing GraphViz and the running the following on the command line 47 47 #dot -Tpng wineTree.dot -o wineTree.png 48 48 #注意最后三行的英文注释，这里提示需要安装GraphViz，而运行应该是在window的终端上了。
那么问题来了，如何安装GraphViz呢？网上找了好多教程，但前提是要去官网上下载2.3.8版本的msi文件，可官网下载速度太慢了，还好，我看到了下面这篇文章：科学网——python sklearn中graphviz安装介绍，这里感谢朱亚中博主。
我按照他的做法，在window终端中输入命令
conda install graphviz
pip install graphviz
然后通过下面命令确认是否安装成功：
dot -version
最后，还是cd到wineTree.dot所在的文件下，在终端中输入命令：
dot -Tpng wineTree.dot -o wineTree.png
生成.png文件，如下图：
