本文主要是介绍Orange3数据可视化（树查看器-决策树），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
树视图 分类和回归树的可视化。
输入
树：决策树
输出
选中的数据：从树节点中选中的实例
数据：带有额外一列，显示每个点是否被选中
这是一个多功能的小部件，用于展示分类和回归树的2D可视化。用户可以选择一个节点，指示小部件输出与节点相关的数据，从而实现探索性数据分析。
1.关于输入的信息。
2.显示选项：
放大和缩小
选择树宽度。当悬停在节点上时，节点会显示信息气泡。
选择树的深度。
选择边宽度。树图中的节点之间的边基于选定的边宽度进行绘制。
如果选择固定，所有边将具有相同的宽度。
当选择相对于根节点时，边的宽度将与相应节点中的实例比例相对应，相对于训练数据中的所有实例。在这种情况下，当向树的底部移动时，边会越来越细。
相对于父节点，使边宽度与节点中的实例比例相对应，与其父节点中的实例。
定义目标类，您可以根据数据中的类来更改。
3.点击“保存图像”，将以.svg或.png文件格式将创建的树图保存到您的计算机上。
4.生成报告。
示例 下面是一个简单的分类架构，我们已经读取了数据，构建了决策树，并在我们的树视图中查看了它。如果同时打开视图和树，任何对树诱导算法的重新运行都会立即影响可视化。因此，您可以使用这个组合来探索诱导算法的参数如何影响结果树的结构。
点击任何节点都将输出相关数据实例。下面的架构展示了数据表中的子集和在散点图中的显示。确保将树数据作为数据子集传递；可以通过首先将散点图连接到文件小部件，然后将其连接到树视图小部件来实现。选中的数据将显示为粗点。
树视图还可以导出标记数据。将数据表连接到树视图，并将小部件之间的链接设置为数据而不是选中的数据。这将将与树视图中的选中数据实例（选中的为Yes，未选中的为No）一起发送整个数据到数据表，并在数据表中添加一个额外的元数据列来标记选中的数据实例。
最后，树视图也可以用于可视化回归树。使用housing.tab数据集将随机森林连接到文件小部件。然后将勾股森林连接到随机森林。在勾股森林中选择一个您希望进一步分析的回归树，并将其传递给树视图。小部件将显示构造的树。对于可视化更大的树，特别是回归树，勾股树可能是一个更好的选项。
软件下载链接: https://pan.baidu.com/s/12drK7Mz7YSqrwIQk5Wh5cw?pwd=8tnd
视频教程：关注我不迷路, 抖音：Orange3dev
https://www.douyin.com/user/MS4wLjABAAAAicBGZTE2kX2EVHJPe8Ugk3_nlJk9Nha8OZh4Bo_nTu8
1-组件概览
2-树查看器-决策树
3-箱线图-离散属性分布
4-箱线图-要素计算
5-箱线图-连续属性分布
6-小提琴图
7-分布图
8-散点图-智能数据可视化
9-散点图-探索性数据分析
10-散点图-高亮选择数据
11-折线图
12-条形图
13-筛网图
14-马赛克图
15-自由投影
16-线性投影
17-雷达图
18-热力图
19-韦恩图
20-轮廓图
21-毕达哥拉斯树
22-毕达哥拉斯森林
23-CN2规则查看器
24-诺莫图
这篇关于Orange3数据可视化（树查看器-决策树）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
