机器学习实战代码3-5
2018-02-02 15:18
330 查看
使用文本注解绘制树节点
# -*- coding: cp936 -*-
#利用matplotlib的注解(注释)来绘制决策树(奇葩不)
import matplotlib.pyplot as plt
#引入中文字体
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
#定义文本框和箭头格式
decisionNode = dict(boxstyle="sawtooth", fc="0.8")#决策节点的属性。boxstyle:文本框类型;sawtooth是锯齿形
leafNode = dict(boxstyle="round4", fc="0.8")#叶子节点的属性,参数用法同上
arrow_args = dict(arrowstyle="<-")#箭头属性
#绘制带箭头的注解,this is all the graph吧
#nodeTxt:要显示的文本
#centerPt:文本的中心点
#parentPt:箭头指向文本的点
#nodeType:属性
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 )
#说明:annotate是注释,其中,xy是箭头尖的坐标,xytext设置注释内容显示的中心位置,
#xycoords和textcoords是坐标xy与xytext的说明(按轴坐标),若textcoords=None,则默认textcoords与xycoords相同,若都未设置,默认为data
#va/ha设置节点框中文字的位置,va为纵向取值为(u'top', u'bottom', u'center', u'baseline'),ha为横向取值为(u'center', u'right', u'left')
#第一个版本的创造绘制树
def createPlot():
fig = plt.figure(1, facecolor='white')#创建一个画布,背景为白色
fig.clf()#清空画布
# ax1是函数createPlot的一个属性,这个可以在函数里面定义也可以在函数定义后加入也可以
# frameon表示是否绘制坐标轴矩形 ,也就是外面的大框框
createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses
plotNode(U'决策节点', (0.5, 0.1), (0.1, 0.5), decisionNode)
plotNode(U'叶节点', (0.8, 0.1), (0.3, 0.8), leafNode)
plt.show()
# -*- coding: cp936 -*-
#利用matplotlib的注解(注释)来绘制决策树(奇葩不)
import matplotlib.pyplot as plt
#引入中文字体
from pylab import *
mpl.rcParams['font.sans-serif'] = ['SimHei']
#定义文本框和箭头格式
decisionNode = dict(boxstyle="sawtooth", fc="0.8")#决策节点的属性。boxstyle:文本框类型;sawtooth是锯齿形
leafNode = dict(boxstyle="round4", fc="0.8")#叶子节点的属性,参数用法同上
arrow_args = dict(arrowstyle="<-")#箭头属性
#绘制带箭头的注解,this is all the graph吧
#nodeTxt:要显示的文本
#centerPt:文本的中心点
#parentPt:箭头指向文本的点
#nodeType:属性
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 )
#说明:annotate是注释,其中,xy是箭头尖的坐标,xytext设置注释内容显示的中心位置,
#xycoords和textcoords是坐标xy与xytext的说明(按轴坐标),若textcoords=None,则默认textcoords与xycoords相同,若都未设置,默认为data
#va/ha设置节点框中文字的位置,va为纵向取值为(u'top', u'bottom', u'center', u'baseline'),ha为横向取值为(u'center', u'right', u'left')
#第一个版本的创造绘制树
def createPlot():
fig = plt.figure(1, facecolor='white')#创建一个画布,背景为白色
fig.clf()#清空画布
# ax1是函数createPlot的一个属性,这个可以在函数里面定义也可以在函数定义后加入也可以
# frameon表示是否绘制坐标轴矩形 ,也就是外面的大框框
createPlot.ax1 = plt.subplot(111, frameon=False) #ticks for demo puropses
plotNode(U'决策节点', (0.5, 0.1), (0.1, 0.5), decisionNode)
plotNode(U'叶节点', (0.8, 0.1), (0.3, 0.8), leafNode)
plt.show()
相关文章推荐
- 补:机器学习实战_初识决策树(ID3)算法的绘制树形图的代码
- 机器学习实战之KNN算法识别手写数字_代码注释
- 机器学习实战_初识kNN算法_理解其python代码
- 机器学习实战-边学边读python代码(5)
- 代码注释:机器学习实战第8章 预测数值型数据:回归
- 机器学习实战python版第三章决策树代码理解
- 机器学习实战笔记_09_树回归_代码错误修正
- 读书笔记:机器学习实战(1)——章2的knn代码和个人改进与注释
- 机器学习实战笔记(3.2)-朴素贝叶斯算法(贝努力模型代码实现)
- 读书笔记:机器学习实战(5)——章6的支持向量机代码和个人理解与注释
- 机器学习实战书191代码勘误
- 机器学习实战-决策树ID3-python代码
- 机器学习实战--KNN代码解析
- 机器学习实战_初识朴素贝叶斯算法_理解其python代码(二)
- 代码注释:机器学习实战第11章 使用Apriori算法来发现频繁集
- 代码注释:机器学习实战第5章 Logistic回归
- 读书笔记:机器学习实战(4)——章五的逻辑回归代码和个人理解
- 机器学习实战:KNN 代码注释(python)
- 机器学习实战,第三章,临时代码
- 机器学习实战:python算法代码汇总