展开前面的问题：更改使用export graphviz创建的决策树图的颜色
我如何根据主导类（虹膜物种）而不是二元区分来给树的节点着色？这需要虹膜的组合。目标名称、描述类的字符串和iris。目标，全班同学。
import pydotplus
from sklearn.datasets import load_iris
from sklearn import tree
import collections
clf = tree.DecisionTreeClassifier(random_state=42)
iris = load_iris()
clf = clf.fit(iris.data, iris.target)
dot_data = tree.export_graphviz(clf, out_file=None,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True, rounded=True,
special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
nodes = graph.get_node_list()
edges = graph.get_edge_list()
colors = ('brown', 'forestgreen')
edges = collections.defaultdict(list)
for edge in graph.get_edge_list():
edges[edge.get_source()].append(int(edge.get_destination()))
for edge in edges:
edges[edge].sort()
for i in range(2):
dest = graph.get_node(str(edges[edge][i]))[0]
dest.set_fillcolor(colors[i])
graph.write_png('tree.png')
示例中的代码看起来非常熟悉，因此易于修改：）
对于每个节点Graphviz告诉我们从每个组中我们有多少个样本，即如果它是混合种群或树来决定。我们可以提取这些信息并使用它来获得颜色。
values = [int(ii) for ii in node.get_label().split('value = [')[1].split(']')[0].split(',')]
或者，您可以将GraphViz节点映射回skLearning节点：
values = clf.tree_.value[int(node.get_name())][0]
我们只有3个类，所以每个类都有自己的颜色（红、绿、蓝），混合种群根据它们的分布得到混合颜色。
values = [int(255 * v / sum(values)) for v in values]
color = '#{:02x}{:02x}{:02x}'.format(values[0], values[1], values[2])
我们现在可以很好地看到分离，二等舱越绿，我们拥有的二等舱就越多，蓝色和三等舱也是如此。
import pydotplus
from sklearn.datasets import load_iris
from sklearn import tree
clf = tree.DecisionTreeClassifier(random_state=42)
iris = load_iris()
clf = clf.fit(iris.data, iris.target)
dot_data = tree.export_graphviz(clf,
feature_names=iris.feature_names,
out_file=None,
filled=True,
rounded=True,
special_characters=True)
graph = pydotplus.graph_from_dot_data(dot_data)
nodes = graph.get_node_list()
for node in nodes:
if node.get_label():
values = [int(ii) for ii in node.get_label().split('value = [')[1].split(']')[0].split(',')]
values = [int(255 * v / sum(values)) for v in values]
color = '#{:02x}{:02x}{:02x}'.format(values[0], values[1], values[2])
node.set_fillcolor(color)
graph.write_png('colored_tree.png')
3个以上类的通用解决方案，仅为最终节点着色。
colors = ('lightblue', 'lightyellow', 'forestgreen', 'lightred', 'white')
for node in nodes:
if node.get_name() not in ('node', 'edge'):
values = clf.tree_.value[int(node.get_name())][0]
#color only nodes where only one class is present
if max(values) == sum(values):
node.set_fillcolor(colors[numpy.argmax(values)])
#mixed nodes get the default color
else:
node.set_fillcolor(colors[-1])
伟大的答案，伙计们。只是为了补充马克西米利安·彼得斯的回答。识别特定颜色的叶节点的另一件事是检查split_criteria（阈值）值。由于叶节点没有子节点，因此也没有拆分标准。
https://github.com/scikit-learn/scikit-learn/blob/a24c8b464d094d2c468a16ea9f8bf8d42d949f84/sklearn/tree/_tree.pyx
TREE_UNDEFINED = -2
thresholds = clf.tree_.threshold
for node in nodes:
if node.get_name() not in ('node', 'edge'):
value = clf.tree_.value[int(node.get_name())][0]
# color only nodes where only one class is present or if it is a leaf
# node
if max(values) == sum(values) or
thresholds[int(node.get_name())] == TREE_UNDEFINED:
node.set_fillcolor(colors[numpy.argmax(value)])
# mixed nodes get the default color
else:
node.set_fillcolor(colors[-1])
与问题不完全相关，但添加更多信息以防对其他人有帮助。继续理解基于树的分类器的决策树桩这一想法，Skater增加了使用树代理汇总所有形式的基于树的模型的支持。看看这里的例子。
https://github.com/datascienceinc/Skater/blob/master/examples/rule_list_notebooks/explanation_using_tree_surrogate.ipynb
