![](https://cdn-ak-scissors.b.st-hatena.com/image/square/7a211428315a2037dbbaea6ba4302b58f9455a37/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9c2Npa2l0LWxlYXJuJUUzJTgxJUFFJUU2JUIxJUJBJUU1JUFFJTlBJUU2JTlDJUE4JUUzJTgyJTkyUGxvdGx5JUUzJTgxJUFFVHJlZW1hcCVFMyU4MSVBNyVFNSU4RiVBRiVFOCVBNiU5NiVFNSU4QyU5NiVFMyU4MSU5OSVFMyU4MiU4QiZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZjNlZGU5N2U5MmExNjFkM2VhOWI1NWRlMjRjMGU5ZTQ%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBocmFwcHVjY2lubyZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9M2RmZjYyNGEwZWMyODQxNDRjZjEyNWM0ZDQ0NmVkMjE%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Df9b6bfe3b05bd9712e7ffb21facb654b)
エントリーの編集
![loading...](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/common/loading@2x.gif)
エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
scikit-learnの決定木をPlotlyのTreemapで可視化する - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
![アプリのスクリーンショット](https://b.st-hatena.com/bdefb8944296a0957e54cebcfefc25c4dcff9f5f/images/v4/public/entry/app-screenshot.png)
- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
scikit-learnの決定木をPlotlyのTreemapで可視化する - Qiita
これを こうするのぢゃ やり方 plot_treeで可視化 まず普通に決定木を作ってplot_treeで可視化してみま... これを こうするのぢゃ やり方 plot_treeで可視化 まず普通に決定木を作ってplot_treeで可視化してみます。 import numpy as np import pandas as pd import matplotlib.pyplot as plt from sklearn.datasets import load_breast_cancer from sklearn.tree import DecisionTreeClassifier, plot_tree data = load_breast_cancer() X, y = data['data'], data['target'] feature_names = data['feature_names'] model = DecisionTreeClassifier(criterion='entropy').fit(X,