Python 根据最大深度绘制决策树训练/测试精度

我试图从一个决策树模型中绘制我的训练和测试集的准确性。因为我是python新手，所以我不确定应该使用哪种类型的图形包。我使用了一个简单的for循环来获得打印的结果，但不确定如何绘制它

谢谢

我的代码：

for x in max_depth_list :

  dtc =DecisionTreeClassifier(max_depth=x)
  dtc.fit(train_x,train_y)

  train_z = dtc.predict(train_x)
  train_z_prob = dtc.predict_proba(train_x)[:,1]

  test_z = dtc.predict(test_x)
  test_z_prob = dtc.predict_proba(test_x)[:,1]

  print("split: {}".format(x))
  print("model accuracy: {}".format(accuracy_score(test_y, test_z)))

期望图

---

您发布的图像中的绘图很可能是使用

matplotlib.pyplot

模块创建的。假设您已经导入了其他必要的依赖项，您可能可以通过执行类似的操作来绘制类似的图形：

将numpy导入为np
将matplotlib.pyplot作为plt导入
最大深度列表=[1,2,3,4]
训练错误=[]记录每个模型的训练错误
test_errors=[]记录每个模型的测试错误
对于最大深度列表中的x：
dtc=DecisionTreeClassifier（最大深度=x）
安装故障诊断码（x列、y列）
列车×z=故障诊断码预测（列车×）
test_z=dtc.predict（test_x）
序列错误。追加（精度分数（序列x、序列z））
测试错误。附加（准确性分数（测试y，测试z））
x=np.arange（len（最大深度列表））+1#为绘图创建域
plt.plot（x，train_errors，label='Training Error'）#绘制域上的训练错误
plt.plot（x，test_errors，label='Testing Error'）#绘制域上的测试错误
plt.xlabel（“最大深度”）#标签x轴
plt.ylabel（“总误差”）#标签y轴
plt.legend（）#将打印标签显示为图例
plt.plot（）#显示图形

我也是这个社区的新手，所以我无法向其他用户提供建议。然而，格式化源代码以获得更好的可读性和演示可能是一个好主意。只是一个提醒

---

我希望这有帮助。如果有什么不清楚的地方，请告诉我。

您的问题是什么？您只是问应该使用哪个绘图库吗？如果是这样的话，那显然是离题了。见：。谢谢！这真的很有帮助。我试着复制我的代码，然后意识到我可以将其格式化为代码，但除了把三个单引号作为开头和结尾外，我什么也没想出来。下次我会试试的。很高兴它有用！是的，stack overflow的系统是基于markdown的，它允许使用代码和公式进行多种格式设置。这非常容易学：我建议你看看。