Traceback (most recent call last): File "E:\bigHome\book\tree2.py", line 133, in <module> dot_data = export_graphviz(clf.tree_, out_file=None, filled=True, rounded=True, File "E:\excavate\other\lib\site-packages\sklearn\tree\_export.py", line 859, in export_graphviz check_is_fitted(decision_tree) File "E:\excavate\other\lib\site-packages\sklearn\utils\validation.py", line 1376, in check_is_fitted raise TypeError("%s is not an estimator instance." % (estimator)) TypeError: <__main__.Node object at 0x000002AD8C95CB50> is not an estimator instance. Process finished with exit code 1

根据错误信息，`export_graphviz`函数要求传入的参数是一个`estimator`实例，但是你传入了一个`Node`对象，导致出现了`TypeError`异常。

通常情况下，`export_graphviz`函数应该接收一个已经训练好的决策树模型作为参数，而不是`Node`对象。你需要检查一下代码中是否正确地初始化了决策树模型，并使用该模型进行了训练。

例如，如果你使用`sklearn`库中的`DecisionTreeClassifier`类来训练决策树模型，可以按照以下步骤进行：

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

iris = load_iris()
X = iris.data[:, 2:]
y = iris.target

clf = DecisionTreeClassifier(max_depth=2)
clf.fit(X, y)

dot_data = export_graphviz(clf, out_file=None, filled=True, rounded=True,
                           feature_names=iris.feature_names[2:],
                           class_names=iris.target_names)

这里，我们首先使用`load_iris`函数加载数据集，然后提取出了特征`X`和目标变量`y`。接着，我们使用`DecisionTreeClassifier`类初始化了一个决策树模型，并使用`fit`方法对模型进行了训练。最后，我们可以使用`export_graphviz`函数将决策树可视化。

当然，具体的解决方法还要根据你的代码情况具体分析。如果你能够提供更多的代码信息，我可以更好地帮助你。