Windows环境下安装Graphviz

• 下载安装Graphviz
• 配置环境变量
• 验证安装配置成功
• 应用实例
   
   
   

下载安装Graphviz

windows版本下载地址：http://www.graphviz.org/download/


下载完成后，双击打开，选择安装目录，然后一路next，安装完成close即可
 
 
 

配置环境变量

将graphviz安装目录下的bin文件夹添加到Path环境变量中：

我Win7的系统，操作步骤是：计算机->右击->属性->高级系统设置->高级->环境变量…->系统变量->找到Path->将将graphviz安装目录下的bin文件夹添加到Path环境变量中

验证安装配置成功

Win+R输入cmd打开命令行界面，输入dot -version，然后按回车，如果显示graphviz的相关版本信息，则安装配置成功。

注意，一定要安装配置完之后打开一个新的命令行界面，如果是安装配置之前打开的命令行界面，输入dot -version之后会输出’dot’ 不是内部或外部命令,也不是可运行的程序或批处理文件
 
 
 

应用实例

今天刚刚学的决策树，利用决策树进行泰坦尼克号乘客生存情况预测：

import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer
from sklearn.tree import DecisionTreeClassifier, export_graphviz

def descision():
    """
    决策树对泰坦尼克号预测生存与否
    :return: None
    """
    # 读取数据
    titan = pd.read_csv("http://biostat.mc.vanderbilt.edu/wiki/pub/Main/DataSets/titanic.txt")

    # 处理数据，找出特征值和目标值
    x = titan[['pclass', 'age', 'sex']]
    y = titan['survived']

    print(x)

    # 缺失值处理
    x['age'].fillna(x['age'].mean(), inplace=True)

    # 分割数据集到训练集和测试集
    x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.25)

    # 进行处理(特征工程) 特征->类别->one-hot编码
    dict = DictVectorizer(sparse=False)
    x_train = dict.fit_transform(x_train.to_dict(orient="record"))

    print(dict.get_feature_names())
    print(x_train)


    x_test = dict.transform(x_test.to_dict(orient="record"))

    # 实例化决策树，用决策树进行预测
    dec = DecisionTreeClassifier()
    dec.fit(x_train, y_train)

    # 预测准确率
    print("预测的准确率为：", dec.score(x_test, y_test))

    # 导出决策树结构
    export_graphviz(dec, out_file="./tree.dot", feature_names=['age', 'pclass=1st', 'pclass=2nd', 'pclass=3rd', 'female', 'male'])
    return None


if __name__ == "__main__":
    descision()

在当前目录下生成tree.dot，进入windows命令行界面，cd 切换到tree.dot所在的路径，执行：dot -Tpng tree.dot -o tree.png

 
 

—成功了没有？

—成功了！