用python写一个决策树代码并绘图

可以的，以下是一个简单的决策树代码示例：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, plot_tree

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 训练决策树模型
clf = DecisionTreeClassifier()
clf.fit(X, y)

# 绘制决策树
plot_tree(clf)

这段代码可以用来训练一个决策树模型，并绘制出决策树的图形。当然，这只是一个简单的示例，实际应用中可能需要更复杂的决策树模型和更多的数据预处理。

相关问题

用python写一个决策树算法并绘图

好的，我可以回答这个问题。决策树算法是一种常见的机器学习算法，可以用来进行分类和回归分析。在Python中，可以使用scikit-learn库来实现决策树算法，并使用matplotlib库来绘制决策树图形。具体实现方法可以参考相关的教程和文档。

决策树 python 结果画图_6决策树的分类绘图

在 Python 中，可以使用 Graphviz 库来绘制决策树的分类绘图。

首先，需要安装 Graphviz 库。可以通过以下命令在终端中安装：

pip install graphviz

接下来，可以使用 sklearn 库中的 `export_graphviz` 函数将决策树导出为 Graphviz 格式的文件，然后再使用 Graphviz 库中的 `Source` 和 `render` 函数将决策树绘制出来。

以下是一个简单的示例代码：

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

# 导入数据集
iris = load_iris()
X, y = iris.data, iris.target

# 训练决策树模型
tree = DecisionTreeClassifier()
tree.fit(X, y)

# 导出决策树为 Graphviz 格式的文件
export_graphviz(tree, out_file='tree.dot', feature_names=iris.feature_names,
                class_names=iris.target_names, filled=True, rounded=True)

# 绘制决策树
tree_plot = Source.from_file('tree.dot')
tree_plot.render('tree', format='png', cleanup=True)

这段代码会将训练得到的决策树模型绘制出来，并保存为一个名为 `tree.png` 的 PNG 格式的文件。你可以根据需要修改代码中的参数，如特征名称、类别名称等。