解決使用export_graphviz可視化樹報錯的問題
更新時間：2019年08月09日 14:56:04 作者：lzher0
今天小編就為大家分享一篇解決使用export_graphviz可視化樹報錯的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
在使用可視化樹的過程中，報錯了。說是‘dot.exe'not found in path
原代碼：
# import tools needed for visualization
from sklearn.tree import export_graphviz
import pydot
#Pull out one tree from the forest
tree = rf.estimators_[5]
# Export the image to a dot file
export_graphviz(tree, out_file = 'tree.dot', feature_names = features_list, rounded = True, precision = 1)
#Use dot file to create a graph
(graph, ) = pydot.graph_from_dot_file('tree.dot')
# Write graph to a png file
graph.write_png('tree.png');
報錯信息：
解決方法：
先使用安裝pydot:
pip install pydot
然后再下載Graphviz（http://www.graphviz.org 選擇msi版本）一路安裝，記住默認(rèn)的安裝路徑
c:\Program Files (x86)\Graphviz2.38\。
將Graphviz2.38添加到環(huán)境變量中
import os
os.environ['PATH'] = os.environ['PATH'] + (';c:\\Program Files (x86)\\Graphviz2.38\\bin\\')
之后便可以正常使用了。
修改后代碼：
# import tools needed for visualization
from sklearn.tree import export_graphviz
import pydot
import os
os.environ['PATH'] = os.environ['PATH'] + (';c:\\Program Files (x86)\\Graphviz2.38\\bin\\')
#Pull out one tree from the forest
tree = rf.estimators_[5]
# Export the image to a dot file
export_graphviz(tree, out_file = 'tree.dot', feature_names = features_list, rounded = True, precision = 1)
#Use dot file to create a graph
(graph, ) = pydot.graph_from_dot_file('tree.dot')
# Write graph to a png file
graph.write_png('tree.png');
以上這篇解決使用export_graphviz可視化樹報錯的問題就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
相關(guān)文章
本文主要實現(xiàn)了利用百度 AI 開發(fā)平臺的 OCR 文字識別 API 識別并提取圖片中的文字。具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-06-06
Python網(wǎng)絡(luò)請求之Requests庫的高級功能運用
在這篇文章中我們將進(jìn)一步深入學(xué)習(xí)Requests庫的高級功能,包括處理重定向,設(shè)置超時,處理大文件以及錯誤和異常處理,需要的朋友可以參考下2023-08-08
python?yaml文件數(shù)據(jù)按原有的數(shù)據(jù)順序dump問題小結(jié)
這篇文章主要介紹了python?yaml文件數(shù)據(jù)按原有的數(shù)據(jù)順序dump,本文給大家介紹的非常詳細(xì),對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友參考下吧2023-11-11
在數(shù)據(jù)分析和數(shù)據(jù)處理的過程中,缺失數(shù)據(jù)（Missing Data）是一個常見的問題,缺失數(shù)據(jù)的存在可能會影響模型的準(zhǔn)確性和預(yù)測的可靠性,因此正確處理缺失數(shù)據(jù)是數(shù)據(jù)分析的重要步驟,所以本文給大家介紹了Python處理缺失數(shù)據(jù)的多種方式,需要的朋友可以參考下2024-08-08
Tensorflow 2.4 搭建單層和多層 Bi-LSTM 模型
這篇文章主要為大家介紹了Tensorflow 2.4 搭建單層 Bi-LSTM 模型和多層 Bi-LSTM 模型的實現(xiàn)過程詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-01-01
tf.truncated_normal與tf.random_normal的詳細(xì)用法
本篇文章主要介紹了tf.truncated_normal與tf.random_normal的詳細(xì)用法，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-03-03
這篇文章主要介紹了基于OpenCV的路面質(zhì)量檢測，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11
今天分享個如何簡單處理滑動圖片的驗證碼的案例，主要是使用Python爬蟲破解滑動驗證碼的相關(guān)實現(xiàn)代碼，感興趣的朋友跟隨小編一起看看吧2021-05-05
這篇文章主要介紹了Python實現(xiàn)的tab文件操作類分享,本文直接給出實現(xiàn)代碼,需要的朋友可以參考下2014-11-11
這篇文章主要介紹了Jupyter Notebook輸出矢量圖實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04