决策树二分类可视化

决策树二分类可视化可以通过Python中的scikit-learn库和Graphviz库来实现。下面是一个简单的代码示例：

# 导入需要的库
from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz

# 加载iris数据集
iris = load_iris()

# 取前两个特征作为输入
X = iris.data[:, :2]
y = iris.target

# 构建决策树模型
clf = DecisionTreeClassifier(random_state=0)
clf.fit(X, y)

# 生成dot文件并可视化
dot_data = export_graphviz(clf, out_file=None,
                           feature_names=iris.feature_names[:2],
                           class_names=iris.target_names,
                           filled=True, rounded=True,
                           special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris")  # 将生成的dot文件保存为iris.pdf
graph

执行该代码后，将会生成一个名为iris.pdf的文件，其中包含了决策树的可视化结果。在这个例子中，我们使用了iris数据集的前两个特征作为输入，将三种不同的鸢尾花分为了三个类别。你可以通过替换数据集和调整代码中的参数来适应自己的任务。