python 决策树实现鸢尾花分类 展示树形结构

Python 中可以使用 `sklearn` 库中的 `DecisionTreeClassifier` 类来实现决策树对鸢尾花数据集的分类，并展示其树形结构。鸢尾花数据集通常来自鸢尾花 (Iris) 数据集，它是一个经典的机器学习入门案例。

首先，你需要导入必要的库：

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

接着加载数据并进行预处理：

# 加载鸢尾花数据
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

然后创建并训练决策树模型：

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

# 训练模型
clf.fit(X_train, y_train)

最后，我们可以利用 `plot_tree` 函数来绘制决策树的图形：

# 显示决策树结构
plt.figure(figsize=(15, 10))
plot_tree(clf, filled=True, feature_names=iris.feature_names, class_names=iris.target_names)
plt.title('Iris dataset - Decision Tree')
plt.show()

这将展示出基于鸢尾花特征构建的决策树模型，每个内部节点表示一个特征测试，分支代表特征值的取值范围，叶节点则代表预测的结果类别。