Python绘制决策树的节点

import matplotlib.pyplot as pltdecisionNode = dict(boxstyle="sawtooth", fc="0.8") # 决策节点的属性。boxstyle为文本框的类型,sawtooth是锯齿形,fc是边框线粗细
# 可以写为decisionNode={boxstyle:'sawtooth',fc:'0.8'}
leafNode = dict(boxstyle="round4", fc="0.8") #决策树叶子节点的属性
arrow_args = dict(arrowstyle = "<-") #箭头的属性def plotNode(nodeTxt, centerPt, parentPt, nodeType):createPlot.ax1.annotate(nodeTxt, xy=parentPt, xycoords='axes fraction', xytext=centerPt, textcoords='axes fraction',va="center", ha="center", bbox=nodeType, arrowprops=arrow_args)#nodeTxt为要显示的文本,xy是箭头尖的坐标,xytest是注释内容的中心坐标#xycoords和textcoords是坐标xy与xytext的说明(按轴坐标),若textcoords=None,则默认textcoords与xycoords相同,若都未设置,默认为data#va/ha设置节点框中文字的位置,va为纵向取值为(u'top', u'bottom', u'center', u'baseline'),ha为横向取值为(u'center', u'right', u'left')def createPlot():fig = plt.figure(1, facecolor = 'white') #创建一个画布,背景为白色fig.clf() #画布清空#ax1是函数createPlot的一个属性,这个可以在函数里面定义也可以在函数定义后加入也可以createPlot.ax1 = plt.subplot(111, frameon = True) #frameon表示是否绘制坐标轴矩形plotNode('a decision node', (0.5, 0.1), (0.1, 0.5), decisionNode)plotNode('a leaf node', (0.8, 0.1), (0.3, 0.8), leafNode)plt.show()createPlot()

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491792.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

IBM对话智能+未来:十年提升AI性能效率千倍?

来源&#xff1a;云科技时代140多前的1879年&#xff0c;爱迪生经过几千次试验发明了电灯&#xff1b;之后过了90年的1969年美国把人类送到了月球&#xff0c;1970年空中客车公司诞生。在1870年代&#xff0c;人类初次进入电力时代的时候&#xff0c;没有人能够想到有一天人类可…

【转】chrome浏览器的跨域设置——包括版本49前后两种设置

做前后分离的webapp开发的时候&#xff0c;出于一些原因往往需要将浏览器设置成支持跨域的模式&#xff0c;好在chrome浏览器就是支持可跨域的设置&#xff0c;网上也有很多chrome跨域设置教程。但是新版本的chrome浏览器提高了跨域设置的门槛&#xff0c;原来的方法不再适用了…

中国信通院:2019年Q1全球人工智能产业数据报告

来源&#xff1a;网络大数据近日&#xff0c;中国信息通信研究院数据研究中心发布了《全球人工智能产业数据报告(2019Q1)》。报告以中国信息通信研究院数研中心人工智能产业数据库为基础&#xff0c;从企业研究、投融资研究、论文等角度出发&#xff0c;结合产业发展热点&#…

数据库一对一,一对多,多对多关系

关联映射&#xff1a;一对多/多对一 存在最普遍的映射关系&#xff0c;简单来讲就如球员与球队的关系&#xff1b; 一对多&#xff1a;从球队角度来说一个球队拥有多个球员 即为一对多 多对一&#xff1a;从球员角度来说多个球员属于一个球队 即为多对一 数据表间一对多关系如下…

Python找出某元素的索引下标

方法&#xff1a;list.index&#xff08;‘xxx’&#xff09; L [a, b, c] index L.index(c) print(index) # 输出2

一文读懂产业互联网的前世今生!

来源&#xff1a;全球物联网观察摘要&#xff1a;随着云计算等企业级技术应用的发展普及&#xff0c; 产业互联网实际已经在各行各业展开实践。广度上不仅覆盖服务业、工业和农业&#xff0c;还从商业扩展到公益和政府&#xff0c;整个社会走向全面互联&#xff1b;深度上从营销…

RAC 的文章

http://limboy.me/ios/2013/12/27/reactivecocoa-2.html http://limboy.me/ios/2014/06/06/deep-into-reactivecocoa2.html转载于:https://www.cnblogs.com/xingkonghao818/p/4808857.html

Python判断变量类型

两种方法&#xff1a; 一&#xff1a; L [a, b, c] print(isinstance(L, list)) #输出True二&#xff1a; L [a, b, c] print(type(L).__name__ list) #输出True

阅读 LdrInitializeThunk

参考&#xff1a; http://blog.csdn.net/hw_henry2008/article/details/6568255 Windows 的 DLL 装入(除 ntdll.dll 外)和连接是通过 ntdll.dll 中的一个函数LdrInitializeThunk()实现的. 在进入这个函数之前&#xff0c;目标 EXE 映像已经被映射到当前进程的用户空间&#xff…

反对量子计算的理由

来源&#xff1a; 悦智网量子计算如今十分流行。几乎每天都有新闻媒体发布相关新闻。其实人类研究量子计算已经长达几十年&#xff0c;却未得出任何实用的结果&#xff0c;大多数评论员都忘记或者掩饰了这一事实。 IBM指出量子计算机能够“使很多学科领域取得突破性进展&#x…

吴恩达《机器学习》学习笔记一——初识机器学习

吴恩达《机器学习》学习笔记一一、 什么是机器学习&#xff1f;二、监督学习三、无监督学习初识机器学习这是个人学习吴恩达《机器学习》课程的一些笔记&#xff0c;供自己和大家学习提升。第一篇内容较少&#xff0c;日后继续加油。课程链接&#xff1a;https://www.bilibili.…

Python存储生成的决策树——pickle模块

假设通过训练样本生成的决策树为&#xff1a; {no surfacing: {0: no, 1: {flippers: {0: no, 1: yes}}}} 利用pickle模块可以存储和加载该决策树 tree {no surfacing: {0: no, 1: {flippers: {0: no, 1: yes}}}}def storeTree(inputTree, filename):import picklefw open…

让引擎不再是你的唯一,对百度再见

信息的传播是人的本性&#xff0c;特别是&#xff0c;对于自己的喜恶事事务。华斯康技术已经做了一项调查&#xff0c;在空调、身体、洗发水、房屋及其他产品的购买过程&#xff0c;分别为&#xff0c;53%、49%、35%和32%消费者&#xff0c;新产品信息。而且分别有35%、28%、15…

院士张钹:AI奇迹短期难再现 深度学习技术潜力已近天花板

来源&#xff1a;软件定义世界&#xff08;SDX&#xff09;在Alphago与韩国围棋选手李世石对战获胜三年过后&#xff0c;一些迹象逐渐显现&#xff0c;张钹院士认为到了一个合适的时点&#xff0c;并接受了此次的专访。张钹&#xff0c;计算机科学与技术专家&#xff0c;俄罗斯…

Python获得某个范围的的随机整数

numpy.random.randint(low, highNone, sizeNone, dtypel) 产生[low~high)范围内的整数&#xff0c;不包括high import numpy as npa np.random.randint(0, 2, 10) print(a) # [0 0 1 1 0 0 1 0 0 0]

吴恩达《机器学习》学习笔记二——单变量线性回归

吴恩达《机器学习》学习笔记二——单变量线性回归一、 模型描述二、 代价函数1.代价函数和目标函数的引出2.代价函数的理解&#xff08;单变量&#xff09;3.代价函数的理解&#xff08;两个参数&#xff09;三、 梯度下降——求解最优参数1.梯度下降的步骤2.梯度下降的数学表达…

吴恩达《机器学习》学习笔记三——多变量线性回归

吴恩达《机器学习》学习笔记三——多变量线性回归一、 多元线性回归问题介绍1.一些定义2.假设函数二、 多元梯度下降法1. 梯度下降法实用技巧&#xff1a;特征缩放2. 梯度下降法的学习率三、 特征选择与多项式回归四、 正规方程法1. 一些定义2. 正规方程解的公式3. 梯度下降法和…

五大核心构成的AIoT,正在遭遇三大挑战,两条突破口外还有什么?

来源&#xff1a;物联网智库随着IoT与AI逐步走向融合&#xff0c;AIoT正将以全新的方式改变人们的生活。一、新业务需求近年来&#xff0c;物联网呈现突飞猛进的发展态势。根据中商情报网的数据&#xff0c;2018年全球物联网设备已经达到70亿台&#xff1b;到2020年&#xff0c…

机器学习中防止过拟合的方法总结

来自机器学习成长之路公众号 在对模型进行训练时&#xff0c;有可能遇到训练数据不够&#xff0c;即训练数据无法对整个数据的分布进行估计的时候&#xff0c;或者在对模型进行过度训练&#xff08;overtraining&#xff09;时&#xff0c;常常会导致模型的过拟合&#xff08;…

iOS:面向对象的思想使用sqlite数据库

SQLite支持的常见数据类型如下所示。–INTEGER 有符号的整数类型–REAL 浮点类型–TEXT 字符串类型,采用UTF-8和UTF-16字符编码–BLOB 二进制大对象类型,能够存放任何二进制数据(C语言中)使用步骤&#xff1a;1.新建项目时,先导入系统框架(C语言). &#xff08;libsqlite3&…