决策树是一种非常简单的机器学习模型，可视化通用树结构是一种相当成熟的技术。然而，决策树可能变得非常大，限制了简单技术的实用性。典型的可视化环境，如Weka的默认实现GraphViz，可以生成树的大小，使它们难以呈现、导航或解释。

树木拥抱吗?

在Bibeplay2网页登陆gML，我们给予决策树一些爱，并使可视化成为我们模型分析工作流的一流公民。以下是我们可视化功能的一些亮点:

#1修剪并挤压

决策树可视化布局使用一种算法，生成树的紧凑表示，基于工作Reingold,蒂尔福德,布赫海姆．

此布局非常适合防止树变得太宽，同时使每个分支（或“节点”）都能清晰显示。但是，即使布局紧凑，树仍然太宽，无法在普通浏览器上显示。因此，我们只显示树中至少有1%的部分新闻报道(我们允许你看到更多/更少的分支和互动浏览，稍后会详细介绍)。由于树的许多分支只看到训练数据的一小部分，它们通常与模型不相关或不可靠。我们将这个数据覆盖率编码为每个分支线的宽度，因此您可以快速查看树的哪些部分覆盖了训练数据的更大部分。因此，树顶的线条往往比树底的线条更宽。

#2油漆和标签

树结构本身不足以真正了解有关模型的任何有用信息。有用的信息可能包括给定分支用于做出分支决策的字段/信息。了解导致特定预测的决策也很有用。一种常见的可视化方法（如前面所示的Weka示例）是显示此信息在这棵树。这有几个缺点，包括引起易读性问题、溢出问题和一般信息过载问题。

而不是将信息嵌入可视化本身，我们选择将相关的模型信息沿着一边的模型。

树现在有了代表分支使用的不同字段的颜色。右边字段的颜色将与当前突出显示的路径的颜色匹配。这使得识别整个树中经常出现的重要字段变得很容易。我们使用绿色的BigML标beplay2网页登陆志颜色作为“预测”节点。

无论何时高亮显示树中的路径（以较粗、较暗的线显示），相应的路径信息都会显示在右侧。例如，该模型评估个人的人口普查信息。它首先关注的是关系状态。在当前分支中，这等于“丈夫”。接下来，它将评估教育、职业和年龄。从上到下阅读，很容易看到决策树用来得出给定预测的一系列问题和答案（在本例中，预测他们的年收入是否超过5万美元）。一个较小的弹出窗口告诉您数据新闻报道对于给定的节点，以百分比或计数表示。

这种方法允许用户从字段中的文本信息中清楚地看到树的结构形式。由于文本信息都在一列中，因此更容易理解用一系列简单的问题和答案表示的整个预测路径。

#3滑动、指向并单击

决策树布局函数默认使用剪枝方法，可以隐藏某些分支。当一个分支被隐藏时，父分支将有一个破碎的轮廓，表明它包含一个或多个隐藏的子分支。单击父节点将显示它在流体动画中包含的所有子节点。

通过这种方式，很容易访问任何被剪枝方法隐藏的数据覆盖率低的分支。

剪枝方法本身（称为“实时剪枝”）允许您以极大的粒度更改数据覆盖率剪枝，并立即看到新的可视化表示。可以通过将模型控制栏上的“实时修剪”控件向左或向右滑动来执行此操作。

通过这种方式，很容易“调优”决策树，以显示数据覆盖率最低阈值较高的节点。

#4个实时更新

我们的决策树训练算法适用于任何大小的数据。然而，大型数据集的模型训练不是瞬时的。因此，我们的决策树可视化屏幕共享定期更新自己，以显示部分训练的决策树的当前状态。这种方法对于获得关于模型如何解释数据的即时反馈非常有用，允许我们的用户能够在错误指定的模型完成之前取消它，而不是等待。

想看看它的实际行动吗？

注册一个beplay2网页登陆BigML帐户，并准备好以全新的视角来看待决策树。你有决策树的经验吗?爱他们，恨他们，或者只是好奇?请在下方留言。