采用CART方法构建了决策树模型。并使用graphviz插件进行决策树可视化。CART方法采用基尼系数作为划分判断生成二叉树。

这种方法可以用于分类和回归问题。在分类问题中，基尼系数越小表示数据集的纯度越高，因为基尼系数测量了从数据集中随机选择两个数据项，这两个数据项不属于同一类的概率。在回归问题中，CART方法使用平方误差作为分裂标准。

使用graphviz插件可视化决策树可以更清晰地展示决策树的结构和判断流程，有助于理解模型的决策过程和结果。同时，决策树可视化也可以帮助我们检查模型是否过拟合或欠拟合，以及确定哪些特征对预测结果的影响最大。

总之，CART方法和决策树可视化是机器学习中常用的工具和技术，可以帮助我们构建准确和可解释的模型。