sklearn.tree.export_graphvizの代替

Question

pypiからpydotplusを使用して意思決定ツリーを視覚化することは可能ですが、マシンに問題があります（libexpatでビルドされていないと言われています。テーブルにいくつかの情報があります）、私は代わりのものを使いたいと思います。私はすでにnetworkxを使ってみましたが、.dotファイルを読み込んでネットワークxグラフを作成するにはpygraphvizが必要です。私もピップを使ってインストールしようとしましたが失敗しました。

これで、pipまたはanacondaを使用してインストールできる意思決定ツリーを視覚化する別の方法を探しています。

代替手段はありますか？

EDIT conda listの＃1

出力：

# packages in environment at /home/xiaolong/development/anaconda3/envs/coursera_ml_classification: 
# 
alabaster     0.7.7     py34_0 defaults 
awscli     1.6.2      <pip> 
babel      2.3.3     py34_0 defaults 
backports     1.0      py34_0 defaults 
backports-abc    0.4      <pip> 
backports.shutil-get-terminal-size 1.0.0      <pip> 
backports_abc    0.4      py34_0 defaults 
bcdoc      0.12.2     <pip> 
boto      2.33.0     <pip> 
botocore     0.73.0     <pip> 
cairo      1.12.18      6 defaults 
certifi     2015.4.28     <pip> 
colorama     0.2.5      <pip> 
cycler     0.10.0     py34_0 defaults 
decorator     4.0.9     py34_0 defaults 
docutils     0.12      py34_0 defaults 
entrypoints    0.2      py34_1 defaults 
expat      2.1.0       0 defaults 
fontconfig    2.11.1      5 defaults 
freetype     2.5.5       0 defaults 
get_terminal_size   1.0.0     py34_0 defaults 
glib      2.43.0      2 asmeurer 
graphviz     2.38.0      1 defaults 
harfbuzz     0.9.39      0 defaults 
imagesize     0.7.0     py34_0 defaults 
ipykernel     4.3.1     py34_0 defaults 
ipython     4.2.0     py34_0 defaults 
ipython-genutils   0.1.0      <pip> 
ipython_genutils   0.1.0     py34_0 defaults 
ipywidgets    4.1.1     py34_0 defaults 
jedi      0.9.0     py34_0 defaults 
jinja2     2.8      py34_0 defaults 
jmespath     0.5.0      <pip> 
jsonschema    2.5.1     py34_0 defaults 
jupyter     1.0.0     py34_2 defaults 
jupyter-client   4.2.2      <pip> 
jupyter-console   4.1.1      <pip> 
jupyter-core    4.1.0      <pip> 
jupyter_client   4.2.2     py34_0 defaults 
jupyter_console   4.1.1     py34_0 defaults 
jupyter_core    4.1.0     py34_0 defaults 
libffi     3.2.1       0 defaults 
libgcc     5.2.0       0 defaults 
libgfortran    3.0.0       1 defaults 
libpng     1.6.17      0 defaults 
libsodium     1.0.3       0 defaults 
libxml2     2.9.2       0 defaults 
llvmlite     0.10.0     py34_0 defaults 
markupsafe    0.23      py34_0 defaults 
matplotlib    1.5.1    np111py34_0 defaults 
mistune     0.7.2     py34_0 defaults 
mkl      11.3.1      0 defaults 
multipledispatch   0.4.8      <pip> 
nbconvert     4.2.0     py34_0 defaults 
nbformat     4.0.1     py34_0 defaults 
notebook     4.2.0     py34_0 defaults 
numpy      1.11.0     py34_0 defaults 
openssl     1.0.2h      0 defaults 
pandas     0.18.1    np111py34_0 defaults 
pango      1.39.0      0 defaults 
path.py     8.2.1     py34_0 defaults 
pep8      1.7.0     py34_0 defaults 
pexpect     4.0.1     py34_0 defaults 
pickleshare    0.5      py34_0 defaults 
pip      8.1.1     py34_1 defaults 
pixman     0.32.6      0 defaults 
prettytable    0.7.2      <pip> 
psutil     4.1.0     py34_0 defaults 
ptyprocess    0.5      py34_0 defaults 
pyasn1     0.1.9      <pip> 
pydotplus     2.0.2     py34_0 file:///home/xiaolong/development/anaconda3/conda-bld/linux-64/pydotplus-2.0.2-py34_0.tar.bz2 
pyflakes     1.1.0     py34_0 defaults 
pygments     2.1.3     py34_0 defaults 
pyparsing     2.1.1     py34_0 defaults 
pyqt      4.11.4     py34_1 defaults 
python     3.4.4       0 defaults 
python-contrib-nbextensions alpha      <pip> 
python-dateutil   2.5.2     py34_0 defaults 
pytz      2016.3     py34_0 defaults 
pyyaml     3.11      <pip> 
pyzmq      15.2.0     py34_0 defaults 
qt      4.8.7       1 defaults 
qtconsole     4.2.1     py34_0 defaults 
readline     6.2       2 defaults 
requests     2.9.1      <pip> 
rope      0.9.4     py34_1 defaults 
rope-py3k     0.9.4.post1    <pip> 
rsa      3.1.2      <pip> 
scikit-learn    0.17.1    np111py34_0 defaults 
scipy      0.17.0    np111py34_3 defaults 
setuptools    20.7.0     py34_0 defaults 
sframe     1.8.5      <pip> 
simplegeneric    0.8.1     py34_0 defaults 
sip      4.16.9     py34_0 defaults 
six      1.10.0     py34_0 defaults 
snowballstemmer   1.2.1     py34_0 defaults 
sphinx     1.4.1     py34_0 defaults 
sphinx-rtd-theme   0.1.9      <pip> 
sphinx_rtd_theme   0.1.9     py34_0 defaults 
spyder     2.3.8     py34_1 defaults 
sqlite     3.9.2       0 defaults 
terminado     0.5      py34_1 defaults 
tk      8.5.18      0 defaults 
tornado     4.3      py34_0 defaults 
traitlets     4.2.1     py34_0 defaults 
wheel      0.29.0     py34_0 defaults 
xz      5.0.5       1 defaults 
zeromq     4.1.3       0 defaults 
zlib      1.2.8       0 defaults 

scipyのダウンロードバージョン：0.17.0

digraph Tree { 
node [shape=box, style="filled", color="black"] ; 
0 [label="grade.B <= 0.5\ngini = 0.5\nsamples = 37224\nvalue = [18476, 18748]", fillcolor="#399de504"] ; 
1 [label="grade.C <= 0.5\ngini = 0.4973\nsamples = 32094\nvalue = [17218, 14876]", fillcolor="#e5813923"] ; 
0 -> 1 [labeldistance=2.5, labelangle=45, headlabel="True"] ; 
2 [label="gini = 0.4829\nsamples = 21728\nvalue = [12875, 8853]", fillcolor="#e5813950"] ; 
1 -> 2 ; 
3 [label="gini = 0.4869\nsamples = 10366\nvalue = [4343, 6023]", fillcolor="#399de547"] ; 
1 -> 3 ; 
4 [label="grade.A <= 14.8301\ngini = 0.3702\nsamples = 5130\nvalue = [1258, 3872]", fillcolor="#399de5ac"] ; 
0 -> 4 [labeldistance=2.5, labelangle=-45, headlabel="False"] ; 
5 [label="gini = 0.3555\nsamples = 4987\nvalue = [1153, 3834]", fillcolor="#399de5b2"] ; 
4 -> 5 ; 
6 [label="gini = 0.3902\nsamples = 143\nvalue = [105, 38]", fillcolor="#e58139a3"] ; 
4 -> 6 ; 
} 

EDIT＃2

私はJupyterノートでこれをプログラムされていますが、使用してSVGを表示しようとする場合には、SVGを着色しないバグがあります。

![Decision Tree]('dtree.svg') 

私は仕事の周りhereが見つかりました：

from IPython.display import HTML 

svg = None 
with open('dtree.svg') as svg_file: 
    svg = svg_file.read() 

HTML(svg) 

Answer 1

これはセクシーな解決策ではありませんが、subprocess経由で呼び出されるGrapviz CLI（dot）を使用しています。私はMac上にあるので自作でインストールしましたが、他のプラットフォームのバイナリをダウンロードすることができますfrom their downloads page。タイタニックのデータセットを使用した例を次に示します。

import pandas as pd 
import subprocess 
import seaborn.apionly as sns 
fromwd sklearn.preprocessing import Imputer 
from sklearn.tree import DecisionTreeClassifier, export_graphviz 

raw_data = sns.load_dataset('titanic') 
predictors = ['pclass','sex','age','sibsp','parch','fare','embarked','alone','adult_male'] 
categorical = ['sex','embarked'] 
numeric = [c for c in predictors if c not in categorical] 
target='survived' 

encoded_data = pd.get_dummies(raw_data[predictors], columns=categorical) 

imputer = Imputer() 
X = imputer.fit_transform(encoded_data).astype('float32') 
Y = raw_data[target].astype('float32') 

model = DecisionTreeClassifier(min_samples_leaf=10, max_depth=3) 
model.fit(X, Y) 

export_graphviz(model, 
       out_file='tree.dot', 
       feature_names=encoded_data.columns, 
       proportion=True, 
       filled=True, 
       impurity=False) 

subprocess.call(['dot', '-Tpdf', 'tree.dot', '-o' 'tree.pdf'])