mljar/supertree

解決的問題

隨著樹的深度增加，傳統的決策樹可視化（例如 scikit-learn 所產生的）會變得難以閱讀。supertree 提供一種互動式方法，可在無節點重疊或文字縮小的情況下，檢查、解釋與除錯複雜的決策樹與集成模型。

如何運作

supertree 可直接在 Jupyter Notebook、JupyterLab、Google Colab 或 VS Code Notebook 中渲染基於 HTML 的互動式可視化。它與流行的機器學習套件整合，提取樹結構，並以可導航的介面呈現。

適用對象

需要可視化與分析來自 scikit-learn、XGBoost、LightGBM 或 ONNX 的決策樹、隨機森林或梯度提升模型的資料科學家與機器學習工程師。

主要特色

• 互動式導航：支援縮放、平移以及展開/收合節點，以管理複雜樹結構。
• 廣泛相容：支援 scikit-learn、LightGBM、XGBoost 與 ONNX 的多種分類器與迴歸器。
• 集成模型支援：可在森林中的單一樹之間切換並可視化。
• 樣本路徑追蹤：可高亮顯示單一樣本在樹中的決策路徑。
• 詳細檢視：懸停時顯示完整節點統計資訊，並支援將可視化結果匯出為 SVG。