import graphviz
jupyter中運(yùn)行g(shù)raphviz出現(xiàn)failed to execute WindowsPath(‘dot’), make sure the Graphviz executables are on your systems’ PATH的問題
首先大家習(xí)慣先去pip install graphviz去安裝,
但之后還是報(bào)這個(gè)錯(cuò),網(wǎng)上各種說但是graphviz是個(gè)軟件,不能單獨(dú)用Pip安裝,我嘗試后均以失敗告終,最后在我經(jīng)過各種嘗試后,最后終于發(fā)現(xiàn)一個(gè)極其簡單的解決方案:
解決方案:
順序:
第1步:我先安裝pip install graphviz后,發(fā)現(xiàn)還是報(bào)錯(cuò)
第2步:之后又pip install pygraphviz,然后就好了。
下面是成功的截圖
from sklearn.tree import DecisionTreeRegressor
# 建立模型
model_DT = DecisionTreeRegressor(criterion='squared_error',splitter='best',
max_depth=3,
min_samples_split=2,
min_samples_leaf=1)
# 訓(xùn)練模型
model_DT.fit(train_X,train_y)
繪制決策樹
```bash
import graphviz
#載入模塊
from sklearn import tree
dot_data= tree.export_graphviz(model_DT,
filled=True,#填充顏色,顏色越深,不純度越低
rounded=True#框的形狀
)
graph=graphviz.Source(dot_data)
graph.render(view=True, format="png", filename="decisiontree_png")
graph
另外還有第二種方法更簡單的方法畫決策樹,
pip install pydotplus 安裝pydotplus這個(gè)簡單不易出錯(cuò)
代碼如下:
# 法二 保存決策樹
from pydotplus.graphviz import graph_from_dot_data
from sklearn.tree import export_graphviz
dot_data = export_graphviz( # Create dot data
model_DT, filled=True, rounded=True,
out_file=None
)
graph = graph_from_dot_data(dot_data) # Create graph from dot data
graph.write_png('D:/決策樹.png') # Write graphto PNG image
不知道為啥保存的圖有黑色方框,如下所示:
經(jīng)過網(wǎng)上各種嘗試,增加一行代碼dot_data=dot_data.replace(‘\n’,‘’),就正常了
添加的代碼如下所示:文章來源:http://www.zghlxwxcb.cn/news/detail-509750.html
# 法二 保存決策樹
from pydotplus.graphviz import graph_from_dot_data
from sklearn.tree import export_graphviz
dot_data = export_graphviz( # Create dot data
model_DT, filled=True, rounded=True,
out_file=None
)
dot_data=dot_data.replace('\n','')
graph = graph_from_dot_data(dot_data) # Create graph from dot data
graph.write_png('D:/決策樹.png') # Write graphto PNG image
文章來源地址http://www.zghlxwxcb.cn/news/detail-509750.html
到了這里,關(guān)于解決failed to execute WindowsPath(‘dot‘), make sure the Graphviz executables are on your systems‘ PATH的文章就介紹完了。如果您還想了解更多內(nèi)容,請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章,希望大家以后多多支持TOY模板網(wǎng)!