lightgbm.plot_tree
- lightgbm.plot_tree(booster, ax=None, tree_index=0, figsize=None, dpi=None, show_info=None, precision=3, orientation='horizontal', example_case=None, **kwargs)[source]
绘制指定的树。
图中每个节点代表树中的一个节点。
非叶节点具有类似
Column_10 <= 875.9
的标签,这意味着“此节点在名为“Column_10”的特征上进行分割,阈值为 875.9”。叶节点具有类似
leaf 2: 0.422
的标签,这意味着“此节点是叶节点,落入此节点的记录的预测值为 0.422”。数字 (2
) 是内部唯一标识符,没有特殊含义。注意
由于
create_tree_digraph()
的无损质量以及返回的对象可以直接在 Jupyter notebook 中渲染和显示,因此优先使用它。- 参数:
booster (Booster 或 LGBMModel) – 要绘制的 Booster 或 LGBMModel 实例。
ax (matplotlib.axes.Axes 或 None, 可选 (默认值=None)) – 目标坐标轴实例。如果为 None,将创建新的图形和坐标轴。
tree_index (int, 可选 (默认值=0)) – 要绘制的目标树的索引。
figsize (由 2 个元素组成的 tuple 或 None, 可选 (默认值=None)) – 图形大小。
dpi (int 或 None, 可选 (默认值=None)) – 图形分辨率。
show_info (str 类型的 list, 或 None, 可选 (默认值=None)) –
应在节点中显示哪些信息。
'split_gain'
: 添加此分割对模型带来的增益'internal_value'
: 如果此节点是叶节点,则此节点将产生的原始预测值'internal_count'
: 落入此非叶节点的训练数据记录数'internal_weight'
: 落入此非叶节点的所有节点的总权重'leaf_count'
: 落入此叶节点的训练数据记录数'leaf_weight'
: 落入此叶节点的所有观测值的总权重(Hessian 求和)'data_percentage'
: 落入此节点的训练数据百分比
precision (int 或 None, 可选 (默认值=3)) – 用于将浮点值的显示限制为特定精度。
orientation (str, 可选 (默认值='horizontal')) – 树的方向。可以是‘horizontal’(水平)或‘vertical’(垂直)。
example_case (numpy 2-D array, pandas DataFrame 或 None, 可选 (默认值=None)) –
与训练数据结构相同的单行数据。如果不为 None,则图表将突出显示该样本通过树的路径。
在 4.0.0 版本中添加。
**kwargs – 传递给
Digraph
构造函数的其他参数。请访问 https://graphviz.readthedocs.io/en/stable/api.html#digraph 查看支持参数的完整列表。
- 返回值:
ax – 包含单棵树的图表。
- 返回类型:
matplotlib.axes.Axes