python 画出决策树

Python是一门经常使用于数据分析和机器学习的脚本语言，它具有丰富的第三方包和库，其中包括用于决策树的可视化的工具包，例如scikit-learn和graphviz等。

在Python中，我们可使用scikit-learn包来实现决策树的生成和可视化。首先，我们需要导入相关库和数据集：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
iris = load_iris()
X = iris.data[:, 2:]
y = iris.target

接下来，我们使用DecisionTreeClassifier对象来生成决策树模型，并使用fit()方法拟合数据集：

tree_clf = DecisionTreeClassifier(max_depth=2, random_state=42)
tree_clf.fit(X, y)

生成决策树模型后，我们可使用graphviz包将其可视化。首先，我们需要安装graphviz包，并使用export_graphviz函数将决策树以DOT格式输出到文件中：

export_graphviz(
tree_clf,
out_file="./iris_tree.dot",
feature_names=iris.feature_names[2:],
class_names=iris.target_names,
rounded=True,
filled=True
)

接着，我们使用生成的DOT文件来生成决策树的可视化图象：

import os
os.system("dot -Tpng ./iris_tree.dot -o ./iris_tree.png")

最后，我们可使用matplotlib包来显示决策树的可视化图象：

import matplotlib.pyplot as plt
img = plt.imread('./iris_tree.png')
plt.imshow(img)
plt.axis('off')
plt.show()

如此，我们就成功地在Python中生成并显示了一棵决策树！