決定木(回帰)
決定木（回帰）とは、ルールの組合せで分類をするモデルの一種。ルールの集まりは木の形をしたグラフ（木構造）で表現されていて解釈がしやすいです。
このページでは決定木の回帰を実行し、さらにその結果できた木を可視化します。
from sklearn.tree import DecisionTreeRegressor
from sklearn.datasets import make_regression
from dtreeviz.trees import *
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from dtreeviz.trees import dtreeviz
決定木を作るためのサンプルデータを作成
X, y = make_regression(n_samples=100, n_features=2, random_state=777)
plt.figure(figsize=(10, 10))
plt.scatter(X[:, 0], X[:, 1], c=y)
plt.show()
回帰木の分岐の仕方を確認する
tree = DecisionTreeRegressor(max_depth=3, random_state=117117)
model = tree.fit(X, y)
viz = dtreeviz(tree, X, y, target_name="y")
viz.save("./regression_tree.svg")
回帰木の分岐を可視化
from IPython.display import SVG
SVG(filename="regression_tree.svg")
