利用scikit-learn中的决策树分类器实现鸢尾花数据的分类，绘制出最终的树

在Python中，可以使用scikit-learn库中的`DecisionTreeClassifier`来实现鸢尾花数据集的分类。首先，需要导入所需的库并加载数据集。以下是一个简单的步骤：

1. 导入必要的库：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier, plot_tree

2. 加载鸢尾花数据集：

iris = datasets.load_iris()
X = iris.data
y = iris.target

3. 数据预处理，将数据分为训练集和测试集：

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

4. 创建决策树分类器，并拟合数据：

tree_classifier = DecisionTreeClassifier(random_state=42)
tree_classifier.fit(X_train, y_train)

5. 绘制决策树：

plt.figure(figsize=(15, 10))
plot_tree(tree_classifier, filled=True, feature_names=iris.feature_names, class_names=iris.target_names)
plt.title("Final Decision Tree for Iris Classification")
plt.show()

这将展示一个决策树模型，表示了鸢尾花数据基于特征如何进行分类。