python决策树画图

在 Python 中，我们可以使用 scikit-learn 库来构建决策树模型，并使用 Graphviz 库来可视化决策树。

以下是一个示例代码，假设我们已经使用 scikit-learn 的 DecisionTreeClassifier 构建好了决策树模型 clf，现在需要将其可视化：

from sklearn.tree import export_graphviz
import graphviz

dot_data = export_graphviz(clf, out_file=None, 
                           feature_names=iris.feature_names,  
                           class_names=iris.target_names,  
                           filled=True, rounded=True,  
                           special_characters=True)  
graph = graphviz.Source(dot_data)  
graph

其中，export_graphviz 函数用于将决策树转换为 Graphviz 格式的数据，参数说明如下：

- clf：已经训练好的决策树模型；
- out_file：输出文件名，如果为 None，则返回 Graphviz 格式的数据；
- feature_names：特征名称，可以为字符串列表，或 None（表示使用默认名称）；
- class_names：类别名称，可以为字符串列表，或 None（表示使用默认名称）；
- filled：是否给节点着色（True 或 False）；
- rounded：节点是否圆角（True 或 False）；
- special_characters：是否使用特殊字符（True 或 False）。

然后，我们可以使用 graphviz 库将 Graphviz 格式的数据可视化：

graph.render("iris_decision_tree") # 输出为 PDF 文件

其中，render 函数用于将 Graphviz 格式的数据渲染为 PDF、PNG、SVG 等格式的文件，参数为输出文件名。

完整代码示例：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz

# 加载数据集
iris = load_iris()

# 构建决策树模型
clf = DecisionTreeClassifier()
clf = clf.fit(iris.data, iris.target)

# 可视化决策树
dot_data = export_graphviz(clf, out_file=None, 
                           feature_names=iris.feature_names,  
                           class_names=iris.target_names,  
                           filled=True, rounded=True,  
                           special_characters=True)  
graph = graphviz.Source(dot_data)  
graph.render("iris_decision_tree") # 输出为 PDF 文件

运行后，将会在当前目录下生成一个名为 iris_decision_tree.pdf 的文件，即可查看决策树图。