房价预测决策树代码并写出可视化代码

以下是一个简单的房价预测决策树代码：

from sklearn.tree import DecisionTreeRegressor
import pandas as pd

# 加载数据
data = pd.read_csv('house_data.csv')

# 准备数据
X = data.drop('price', axis=1)
y = data['price']

# 拟合模型
model = DecisionTreeRegressor(random_state=0)
model.fit(X, y)

# 预测
new_data = pd.DataFrame({
    'bedrooms': [3],
    'bathrooms': [2],
    'sqft_living': [2000]
})
print(model.predict(new_data))

以下是使用 graphviz 可视化决策树的代码：

from sklearn.tree import export_graphviz
import graphviz

# 生成 DOT 文件
dot_data = export_graphviz(model, out_file=None, 
                           feature_names=X.columns,  
                           filled=True, rounded=True,  
                           special_characters=True)

# 可视化决策树
graph = graphviz.Source(dot_data)  
graph.render("house_price") 

以上代码需要安装 graphviz 和 pydotplus 库，可以通过以下命令进行安装：

pip install graphviz pydotplus