mljar/supertree

해결하는 문제

scikit-learn과 같은 정적 결정 트리 시각화는 트리 깊이가 증가할수록 읽기 어려워집니다. supertree는 노드 겹침이나 텍스트 축소 없이 복잡한 결정 트리와 앙상블을 검사, 설명, 디버깅할 수 있는 인터랙티브한 방법을 제공합니다.

작동 방식

supertree는 Jupyter 노트북, JupyterLab, Google Colab, VS Code 노트북 내부에 직접 HTML 기반의 인터랙티브 시각화를 렌더링합니다. 인기 있는 머신러닝 라이브러리와 통합하여 트리 구조를 추출하고, 탐색 가능한 인터페이스로 제공합니다.

대상 사용자

scikit-learn, XGBoost, LightGBM, ONNX에서 생성한 결정 트리, 랜덤 포레스트, 그라디언트 부스팅 모델을 시각화하고 분석이 필요한 데이터 과학자 및 ML 엔지니어.

주요 기능

• 인터랙티브 탐색: 줌, 팬, 노드 접기/펼치기로 복잡한 트리를 관리 가능.
• 광범위한 호환성: scikit-learn, LightGBM, XGBoost, ONNX의 다양한 분류기 및 회귀기 지원.
• 앙상블 지원: 포레스트 내 개별 트리를 전환하여 시각화 가능.
• 샘플 경로 추적: 단일 샘플이 트리 내에서 통과하는 결정 경로를 강조 표시 가능.
• 세부 검사: 마우스 오버 시 노드 통계 정보 확인 가능하고, 시각화를 SVG로 내보낼 수 있음.