model = DecisionTreeClassifier(random_state=5).fit(data_tr, label_tr)之后怎么画出决策树

你可以使用`export_graphviz`方法输出决策树的Graphviz表示，然后使用Graphviz软件包将其转换为可视化的决策树图像。

下面是一个示例代码，用于训练决策树模型并将其可视化：

from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz

# 训练决策树模型
model = DecisionTreeClassifier(random_state=5).fit(data_tr, label_tr)

# 输出决策树的Graphviz表示
dot_data = export_graphviz(model, out_file=None, 
                           feature_names=data.columns.values,  
                           class_names=['0', '1'],  
                           filled=True, rounded=True,  
                           special_characters=True) 

# 将Graphviz表示转换为图像并显示
graph = graphviz.Source(dot_data)  
graph

其中，`feature_names`是特征名称的列表，`class_names`是类别名称的列表，`filled`和`rounded`分别指定节点填充和边框的样式。你可以根据需要进行更改。最后，`graph`对象将显示决策树图像。