代码

有关数据处理部分的相关解析，请看 30天吃掉那只 TensorFlow2
写的非常详细 不再在这里赘述

from sklearn import tree
import pandas as pd
import graphviz


def processing(df_doc):

    df_result = pd.DataFrame()

    #### Pclass 转成one-hot编码
    df_doc_Pclass = pd.get_dummies(df_doc['Pclass'])
    df_doc_Pclass.columns = ['Pclass' + str(i) for i in df_doc_Pclass.columns]
    df_result = pd.concat((df_result,df_doc_Pclass),axis=1)


    #### Name 不要了

    #### sex 转换成独热码

    df_doc_Sex = pd.get_dummies(df_doc['Sex'])
    df_result = pd.concat((df_result,df_doc_Sex),axis=1)


    #### age 不需要转换直接添加, 因为存在空值，所以需要加一项辅助判断是否有空值

    df_result = pd.concat((df_result,df_doc['Age'].fillna(0)),axis=1)
    df_age_is_null = df_doc['Age'].isna().astype('int32')
    df_result['Age_is_null'] = df_age_is_null
    # print(df_result)

    #### SibSp	Parch	Fare 作为数字特征直接搬过来  Ticket 不重要，直接舍去

    df_result = pd.concat((df_result,df_doc['SibSp'],df_doc['Parch'],df_doc['Fare']),axis=1)


    #### 对于 cabin 这一列的空值，我们不进行填充，但是增加辅助列 cabin_null 作为辅助特征
    # df_result['Cabin'] = df_doc['Cabin']
    df_result['Cabin_null'] = pd.isna(df_doc['Cabin']).astype('int32')

    #### embarked 一共分三类用独热编码处理

    df_doc_embarked = pd.get_dummies(df_doc['Embarked'],dummy_na=True)  # 否则会报错
    df_doc_embarked.columns = ['Embarked_' + str(x) for x in df_doc_embarked.columns]
    df_result = pd.concat([df_result, df_doc_embarked], axis=1)
    print(df_result)
    return df_result

if __name__ == '__main__':
    train_dataset = pd.read_csv('tatanic_train.csv')
    train_data = processing(train_dataset)
    train_label = train_dataset['Survived']

    test_dataset = pd.read_csv('tatanic_test.csv')
    test_data = processing(test_dataset)
    test_label = test_dataset['Survived']

    classifier = tree.DecisionTreeClassifier()
    classifier.fit(train_data,train_label)
    score = classifier.score(test_data,test_label)
    print(score)

    feature_name = train_data.columns
    target_name = ['0','1']

    with open('tree.dot','w') as f:
        dot_data = tree.export_graphviz(classifier, feature_names=feature_name,
                             class_names=target_name, filled=True, rounded=True, out_file=f)

最后生成 pdf 文件将决策树进行可视化

graphviz 生成 pdf 文件可视化决策树

• 在此之前你应该先安装 graphviz 这个包：

pip install graphviz

但这还不够，因为 graphviz 是个单独的软件，所以你需要安装这个软件（注意，安装的版本不能高，我就是因为装版本高了，又重新装了个 2.28 的版本；这里提供 2.28版本的链接）
https://pan.baidu.com/s/1ExisBC8gyMcH1eI9fpMDtQ
提取码：qzeh

安装完之后要配置环境变量，安装文件夹下的 bin 目录加入环境变量即可，如果安装完系统自动把这个加入环境变量了皆大欢喜了

安装配置完之后，验证一下是否安装成功 dot -version; 下面这种显示方式则为成功

• win+R 打开终端在其中输入 cmd 打开终端
  
• 进入这个 python 文件的文件夹，运行以上的程序后会在这个文件夹下生成一个 tree.dot 的文件，用于生成 pdf 或者是 png 可视化文件
  
  生成的 png 图片
  
  生成的 pdf 文件