mljar/supertree

解决的问题

静态决策树可视化（如 scikit-learn 生成的）在树深度增加时会变得难以阅读。supertree 提供了一种交互式方法，可在无节点重叠或文本缩小的情况下，检查、解释和调试复杂的决策树及集成模型。

工作原理

supertree 直接在 Jupyter Notebook、JupyterLab、Google Colab 或 VS Code Notebook 中渲染基于 HTML 的交互式可视化。它与流行的机器学习库集成，提取树结构，并将其呈现为可导航的界面。

适用人群

需要可视化和分析来自 scikit-learn、XGBoost、LightGBM 或 ONNX 的决策树、随机森林或梯度提升模型的数据科学家和机器学习工程师。

主要亮点

• 交互式导航：支持缩放、平移以及展开/折叠节点，以管理复杂树结构。
• 广泛兼容：支持 scikit-learn、LightGBM、XGBoost 和 ONNX 的多种分类器和回归器。
• 集成模型支持：可在森林中的单个树之间切换并可视化。
• 样本路径追踪：可高亮显示单个样本在树中的决策路径。
• 详细检查：悬停时显示完整节点统计信息，并支持将可视化结果导出为 SVG。