Установка пакетов pydot и graphviz в среде Anaconda
Я хочу иметь возможность создавать графические деревья решений в Python, и в настоящее время я пытаюсь установить как pydot , так и graphviz . Я использую Anaconda в качестве своей среды (вместе со Spyder), и я попытался запустить следующие строки кода
conda install -c https://conda.binstar.org/t/TOKEN/j14r pydot с результатом
Error: unknown host: http://repo.continuum.io/pkgs/pro/win-32/ Error: unknown host: http://repo.continuum.io/pkgs/free/win-32/ Error: unknown host: https://conda.binstar.org/t/TOKEN/j14r/win-32/ Error: No packages found matching: pydot Я также попробовал использовать pip install pydot и pip install graphviz с похожими результатами:
Downloading/unpacking pydot Cannot fetch index base URL https://pypi.python.org/simple/ Could not find any downloads that satisfy the requirement pydot Cleaning up. No distributions at all found for pydot Storing complete log in [. ] Мне довольно скучно пытаться понять, как это сделать, поэтому я надеялся, что любой, кто там находится, может дать мне некоторые советы. Спасибо python graphviz anaconda pydot
Поделиться Источник 15 декабря 2014 в 10:39
6 ответов
Этот ответ просрочен, но этот пост помог мне (вместе с этим, который упоминает порядок установки), поэтому, надеюсь, этот ответ поможет кому-то еще. Я использую Ubuntu 14.04 и Python 2.7.
P.S.Очевидно, могут быть некоторые проблемы с шагом 1 вышеуказанного алгоритма, этот пост упоминает, как их исправить.
Поделиться 20 июня 2016 в 09:39
Проблема решена для меня путем установки
- pydot conda install -c anaconda pydot
- graphviz conda install -c conda-forge python-graphviz
Поделиться 21 ноября 2020 в 02:36
pip install pydotplus conda install -c anaconda graphviz=2.38.0 работало для меня.
Поделиться 19 апреля 2017 в 11:11
pip install pydot теперь должен установить версию 1.2.3 от PyPI. С момента начала работы OP в PyPI был загружен дистрибутив для pydot .
Поделиться 18 сентября 2017 в 00:50
Пожалуйста, посмотрите, работает ли это для вас.
1) Откройте «Anaconda Prompt», просто нажав WINDOW + S (для пользователей ОС Windows) и введите CMD. Затем выберите соответствующее значение.
2) Введите команду «pip install pydot«
3) Следуйте информации на экране.
ПРИМЕЧАНИЕ: Я использую версию Conda 4.3.21 и Python 3.6
И реализация дерева решений ниже:
Поделиться 15 августа 2017 в 19:06
Сначала установив graphviz, а затем установив pydotplus на Mac, мне помогло. Я не смог установить pydot через pip или conda или даже через jupiter notebook. После установки импортировал pydotplus (вместо обычного pydot)
Как установить graphviz в анаконда
Шаг 50.
Введение в машинное обучение с использованием Python. . . Алгоритмы машинного обучения с учителем. Деревья решений. Анализ деревьев решений
На этом шаге мы рассмотрим различные способы визуализации деревьев .
Мы можем визуализировать дерево, используя функцию export_graphviz из модуля tree . Она записывает файл в формате .dot , который является форматом текстового файла, предназначенным для описания графиков. Мы можем задать цвет узлам, чтобы выделить класс, набравший большинство в каждом узле, и передать имена классов и признаков, чтобы дерево было правильно размечено:
[In 5]: from sklearn.tree import export_graphviz export_graphviz(tree, out_file="tree.dot", class_names=["nalignant", "benign"], feature_names=cancer.feature_names, impurity=False, filled=True)
[In 6]: import graphviz with open("tree.dot") as f: dot_graph = f.read() graphviz.Source(dot_graph)
Мы можем прочитать этот файл и визуализировать его, как показано на рисунке 1 используя модуль graphviz (или любую другую программу, которая может читать файлы с расширением .dot ).
Рис.1. Визуализация дерева решений, построенного на наборе данных Breast Cancer (изображение кликабельно)
Если вы используете Anaconda под Windows , то необходимо установить conda -пакет graphviz и pip -пакет graphviz :
conda install -c anaconda graphviz=2.38.0 pip install graphviz
Затем в переменной окружения PATH необходимо прописать полный путь к установленной папке graphviz . В Windows 7 для этого нажмите кнопку Пуск , выберите Панель управления . Дважды нажмите на Система , затем выберите Дополнительные параметры системы . Во вкладке Дополнительно нажмите на Переменные среды . Выберите Path и нажмите на Изменить . В поле Значение переменной введите путь к папке graphviz ,например:
C:\Anaconda3\Library\bin\graphviz .
Как вариант, можно построить диаграмму дерева и записать ее в файл .pdf . Дополнительно нам потребуется модуль pydotplus .
[In 7]: import numpy as np import matplotlib.pyplot as plt import pandas as pd import mglearn %matplotlib inline from sklearn.model_selection import train_test_split from sklearn.datasets import load_breast_cancer from sklearn import tree from sklearn.tree import export_graphviz cancer = load_breast_cancer() X_train, X_test, y_train, y_test = train_test_split( cancer.data, cancer.target, stratify=cancer.target, random_state=42) clf = tree.DecisionTreeClassifier(max_depth=4, random_state=0) clf = clf.fit(X_train, y_train) import pydotplus dot_data = tree.export_graphviz(clf, out_file=None) graph = pydotplus.graph_from_dot_data(dot_data) graph.write_pdf("cancer.pdf")
Созданный файл можно взять здесь.
Можно построить визуализацию дерева с помощью функции Image интерактивной оболочки IPython :
[In 8]: from IPython.display import Image dot_data = tree.export_graphviz(clf, out_file=None, feature_names=cancer.feature_names, class_names=cancer.target_names, filled=True, rounded=True, special_characters=True) graph = pydotplus.graph_from_dot_data(dot_data) Image(graph.create_png())
Рис.2. Визуализация дерева с помощью функции Image (изображение кликабельно)
Визуализация дерева дает более глубокое представление о том, как алгоритм делает прогнозы и является хорошим примером алгоритма машинного обучения, который легко объяснить неспециалистам. Однако, как показано здесь, даже при глубине 4 дерево может стать немного громоздким. Деревья с большим значением глубины (деревья глубиной 10 — не редкость) еще труднее понять. Один из полезных способов исследования дерева заключается в том, чтобы выяснить, какие узлы содержат наибольшее количество данных. Параметр samples , выводимый в каждом узле на рисунке 1, показывает общее количество примеров в узле, тогда как параметр value показывает количество примеров в каждом классе. Проследовав по правой ветви, отходящей от корневого узла, мы видим, что правилу worst radius>16.795 соответствует узел, который содержит 134 случая злокачественной опухоли и лишь 8 случаев доброкачественной опухоли. Далее дерево выполняет серию более точных разбиений оставшихся 142 случаев. Из 142 случаев, которые при первоначальном разбиении были записаны в правый узел, почти все (132) в конечном итоге попали в правый лист (для удобства выделен красной рамкой).
На следующем шаге мы рассмотрим важность признаков в деревьях .
Как установить graphviz в анаконда
Open Source graph visualization software.
- License: EPL-1.0
- Home: https://www.graphviz.org/
- Development: https://gitlab.com/graphviz/graphviz/
- Documentation: https://graphviz.gitlab.io/documentation/
- 306881 total downloads
- Last upload: 10 months and 15 days ago
Installers
conda install
To install this package run one of the following:
conda install anaconda::graphviz
Description
Graphviz is an open source graph visualization software. Graph visualization is a way of representing structural information as diagrams of abstract graphs and networks.
By data scientists, for data scientists
Как установить graphviz в анаконда
To install this package run one of the following:
conda install conda-forge::python-graphviz conda install conda-forge/label/broken::python-graphviz conda install conda-forge/label/cf201901::python-graphviz conda install conda-forge/label/cf202003::python-graphviz
Description
This package facilitates the creation and rendering of graph descriptions in the DOT language of the Graphviz graph drawing software from Python.
By data scientists, for data scientists