决策树分类代码树状图

当使用决策树进行分类时，可以使用Python中的Scikit-learn库来实现。以下是一个决策树分类的示例代码：

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

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

# 创建决策树分类器
clf = DecisionTreeClassifier()

# 拟合模型
clf.fit(X, y)

# 可视化决策树
tree.plot_tree(clf)

上述代码首先加载了一个经典的鸢尾花数据集（load_iris）。然后，创建了一个决策树分类器（DecisionTreeClassifier）并使用数据集进行拟合。最后，使用tree.plot_tree函数可视化生成的决策树。

请注意，为了运行此代码，您需要安装Scikit-learn库。可以通过以下命令在终端或命令提示符中安装Scikit-learn：

pip install -U scikit-learn

希望这可以帮助到您！如果您有任何其他问题，请随时提问。