如何高效生成可解释的CART决策树图形：从算法原理到可视化实践

1次阅读

共计 1968 个字符，预计需要花费 5 分钟才能阅读完成。

在机器学习项目的模型解释阶段，CART 决策树（Classification and Regression Trees/ 分类回归树）的可视化常面临两个典型问题：

性能瓶颈 ：当树深度超过 5 层或节点数超过 100 时，sklearn 的默认plot_tree() 会出现渲染卡顿，导出 PDF 耗时可能超过 10 分钟
可读性缺陷：特征分割阈值与 Gini impurity/ 基尼系数的显示重叠、节点布局混乱导致业务方难以理解决策路径

通过优化 dot 文件生成策略，可提升图形生成效率：

使用 record 类型节点替代传统矩形框，实现特征名与阈值的分行显示
设置 rankdir=TB 强制自上而下布局，避免默认的左右分支导致的交叉线

# 生成优化后的 dot 文件示例
from sklearn.tree import export_graphviz

export_graphviz(
    decision_tree,
    out_file='tree.dot',
    feature_names=feature_names,
    class_names=target_names,
    filled=True,
    rounded=True,
    special_characters=True,
    node_ids=True,
    proportion=True,  # 显示样本比例替代绝对数
    impurity=False,   # 隐藏基尼系数提升可读性
    label='root'      # 明确根节点标签
)

浏览器端方案优势在于：

支持动态展开 / 折叠子树（通过点击节点触发）
力导向布局自动避免节点重叠
实时显示节点详细信息（鼠标悬停时）

// D3.js 力导向布局关键参数
const simulation = d3.forceSimulation(nodes)
  .force('charge', d3.forceManyBody().strength(-500)) // 节点斥力
  .force('x', d3.forceX().strength(0.1))             // 水平向心力
  .force('y', d3.forceY().strength(0.3))             // 垂直向心力
  .force('collide', d3.forceCollide(30));            // 碰撞检测

从 sklearn 模型提取结构化决策规则时，建议使用 tree_ 属性直接访问底层数据结构：

def extract_rules(tree, feature_names):
    left      = tree.tree_.children_left  # 左子节点 ID 数组
    right     = tree.tree_.children_right
    features  = tree.tree_.feature        # 特征索引数组
    thresholds= tree.tree_.threshold      # 分割阈值数组

    rules = []
    stack = [(0, [])]  # (node_id, path_rules)

    while stack:
        node_id, path = stack.pop()
        if left[node_id] != right[node_id]:  # 非叶节点
            rule = f'{feature_names[features[node_id]]} ≤ {thresholds[node_id]:.2f}'
            stack.append((left[node_id], path + [rule]))
            stack.append((right[node_id], path + [f'NOT({rule})']))
        else:
            rules.append({'path': path, 'class': tree.classes_[np.argmax(tree.tree_.value[node_id])]})
    return rules