blocks|key|1576235|text|有一个用于可视化决策树模型的项目Decision-Tree-Visualization-Spark|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|1576236|它有两个步骤|1576237|1576238|将Spark决策树输出解析为JSON格式。|unordered-list-item|1576239|将JSON文件用作D3.js+Spark的输入|1576240|1576241|有关解析器，请查看Dt.py|1576242|函数def+tree_json(tree)的输入是您的模型toDebugString()|style|CODE|1576243|来自question的答案|1576244|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/hechemeljed/Decision-Tree-Visualization-Spark|1|https://raw.githubusercontent.com/hechemeljed/Decision-Tree-Visualization-Spark/master/data/structure.json|2|https://d3js.org/|3|https://github.com/hechemeljed/Decision-Tree-Visualization-Spark/blob/master/DT.py#L51-L64|4|https://stackoverflow.com/a/37563130/2104970^0|G|X|0|0|0|0|E|4|1|0|9|5|2|0|0|9|5|3|0|2|J|T|F|0|2|8|4|0^^$0|@$1|2|3|4|5|6|7|1A|8|@]|9|@$A|1B|B|1C|1|1D]]|C|$]]|$1|D|3|E|5|6|7|1E|8|@]|9|@]|C|$]]|$1|F|3|-4|5|6|7|1F|8|@]|9|@]|C|$]]|$1|G|3|H|5|I|7|1G|8|@]|9|@$A|1H|B|1I|1|1J]]|C|$]]|$1|J|3|K|5|I|7|1K|8|@]|9|@$A|1L|B|1M|1|1N]]|C|$]]|$1|L|3|-4|5|6|7|1O|8|@]|9|@]|C|$]]|$1|M|3|N|5|6|7|1P|8|@]|9|@$A|1Q|B|1R|1|1S]]|C|$]]|$1|O|3|P|5|6|7|1T|8|@$A|1U|B|1V|Q|R]|$A|1W|B|1X|Q|R]]|9|@]|C|$]]|$1|S|3|T|5|6|7|1Y|8|@]|9|@$A|1Z|B|20|1|21]]|C|$]]|$1|U|3|-4|5|6|7|22|8|@]|9|@]|C|$]]]|V|$W|$5|X|Y|Z|C|$10|11]]|12|$5|X|Y|Z|C|$10|13]]|14|$5|X|Y|Z|C|$10|15]]|16|$5|X|Y|Z|C|$10|17]]|18|$5|X|Y|Z|C|$10|19]]]]

There is this project <a href="https://github.com/hechemeljed/Decision-Tree-Visualization-Spark" rel="nofollow noreferrer">Decision-Tree-Visualization-Spark</a> for visualizing decision tree model 

It has two steps 

<ul>
<li>Parse Spark Decision Tree output to a <a href="https://raw.githubusercontent.com/hechemeljed/Decision-Tree-Visualization-Spark/master/data/structure.json" rel="nofollow noreferrer">JSON</a> format.</li>
<li>Use the JSON file as an input to a <a href="https://d3js.org/" rel="nofollow noreferrer">D3.js</a> visualization.</li>
</ul>

For the parser check <a href="https://github.com/hechemeljed/Decision-Tree-Visualization-Spark/blob/master/DT.py#L51-L64" rel="nofollow noreferrer">Dt.py</a>

The input to the function <code>def tree_json(tree)</code> is your models <code>toDebugString()</code>

Answer from <a href="https://stackoverflow.com/a/37563130/2104970">question</a>

blocks|key|3834806|text|虽然这是一个有点老的帖子，但只是为了提供我的答案，以便从现在开始阅读这篇文章的其他人可以受益。|type|unstyled|depth|inlineStyleRanges|entityRanges|data|3834807|或者，您可以在PySpark中使用"graphviz"+python包。它将把决策树模型打印成一个整洁的树结构，而不是通常的if循环结构。|offset|length|style|BOLD|3834808|欲了解更多详情，请访问以下链接：https://pypi.python.org/pypi/graphviz|3834809|entityMap|0|LINK|mutability|MUTABLE|url|https://pypi.python.org/pypi/graphviz^0|0|H|A|0|G|11|0|0^^$0|@$1|2|3|4|5|6|7|R|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|S|8|@$D|T|E|U|F|G]]|9|@]|A|$]]|$1|H|3|I|5|6|7|V|8|@]|9|@$D|W|E|X|1|Y]]|A|$]]|$1|J|3|-4|5|6|7|Z|8|@]|9|@]|A|$]]]|K|$L|$5|M|N|O|A|$P|Q]]]]

Though this is a little old post, just to provide my answer so that others coming to this post from now on can be benefitted.

Alternatively you can use "graphviz" python Package for use in PySpark. It will print the decision tree model into a neat tree structure rather than usual if loop structure. 

More details can be found in this link : <a href="https://pypi.python.org/pypi/graphviz" rel="nofollow noreferrer">https://pypi.python.org/pypi/graphviz</a>

blocks|key|42833|text|我们刚刚发布了Spark1.1版本，支持dtreeviz的决策树。你可以可视化很多东西，比如整个树，仅仅是预测路径，树叶信息，比如样本数量或标准。|type|unstyled|depth|inlineStyleRanges|entityRanges|offset|length|data|42834|您可以在此notebook中检查许多可视化效果|42835|​|42836|📷|atomic|42837|42838|42839|entityMap|0|LINK|mutability|MUTABLE|url|https://github.com/parrt/dtreeviz|1|https://github.com/parrt/dtreeviz/blob/master/notebooks/dtreeviz_spark_visualisations.ipynb|2|IMAGE|IMMUTABLE|imageUrl|https://ask.qcloudimg.com/http-save/yehe-900000/7a3b4a82c3269bf6cd7c5afa86e7e0fa.png|imageAlt|3|https://ask.qcloudimg.com/http-save/yehe-900000/081bbbc3081e54752d5366933acb623f.png^0|K|8|0|0|5|8|1|0|0|0|1|2|0|0|1|3|0|0^^$0|@$1|2|3|4|5|6|7|14|8|@]|9|@$A|15|B|16|1|17]]|C|$]]|$1|D|3|E|5|6|7|18|8|@]|9|@$A|19|B|1A|1|1B]]|C|$]]|$1|F|3|G|5|6|7|1C|8|@]|9|@]|C|$]]|$1|H|3|I|5|J|7|1D|8|@]|9|@$A|1E|B|1F|1|1G]]|C|$]]|$1|K|3|I|5|J|7|1H|8|@]|9|@$A|1I|B|1J|1|1K]]|C|$]]|$1|L|3|G|5|6|7|1L|8|@]|9|@]|C|$]]|$1|M|3|-4|5|6|7|1M|8|@]|9|@]|C|$]]]|N|$O|$5|P|Q|R|C|$S|T]]|U|$5|P|Q|R|C|$S|V]]|W|$5|X|Q|Y|C|$Z|10|11|-4]]|12|$5|X|Q|Y|C|$Z|13|11|-4]]]]

We just released <a href="https://github.com/parrt/dtreeviz" rel="nofollow noreferrer">dtreeviz</a> 1.1 version, with support for Decision Trees from Spark. You can visualize a lot of things, like the whole tree, just the prediction path, leaf information like number of samples or criterion.
You can check many visualizations in this <a href="https://github.com/parrt/dtreeviz/blob/master/notebooks/dtreeviz_spark_visualisations.ipynb" rel="nofollow noreferrer">notebook</a>
<a href="https://i.stack.imgur.com/pNLdD.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/pNLdD.png" alt="enter image description here" /></a>
<a href="https://i.stack.imgur.com/yMel6.png" rel="nofollow noreferrer"><img src="https://i.stack.imgur.com/yMel6.png" alt="enter image description here" /></a>

I am using Apache Spark Mllib 1.4.1 (PySpark, the python implementation of Spark) to generate a decision tree based on LabeledPoint data I have. The tree generates correctly and I can print it to the terminal (extract the rules as this user calls it <a href="https://stackoverflow.com/questions/31782288/how-to-extract-rules-from-decision-tree-spark-mllib">How to extract rules from decision tree spark MLlib</a>) using:

<pre><code>model = DecisionTree.trainClassifier( ... )
print(model.toDebugString()
</code></pre>

But what I want to do is visualize or plot the decision tree rather than printing it to the terminal. Is there any way I can plot the decision tree in PySpark or maybe I can save the decision tree data and use R to plot it? Thanks!

How do I visualise / plot a decision tree in Apache Spark (PySpark 1.4.1)?

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

我使用Apache Spark Mllib 1.4.1 (PySpark，Spark的python实现)根据我拥有的LabeledPoint数据生成决策树。树可以正确生成，我可以使用以下命令将其打印到终端(提取规则，该用户将其称为)：model = DecisionTree.trainClassifier( ... )print(model.toDebugString()但我想要做的是可视化或绘制

问如何在Apache Spark (PySpark 1.4.1)中可视化/绘制决策树？
EN

回答 3

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何在Apache Spark (PySpark 1.4.1)中可视化/绘制决策树？EN

回答 3

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何在Apache Spark (PySpark 1.4.1)中可视化/绘制决策树？
EN