决策树构建回归模型中的可视化决策树的代码

决策树构建回归模型是一种非常常用的机器学习算法，在对数据进行建模时，通常需要对决策树进行可视化，以便更好地理解模型和结果。以下是Python中使用sklearn库构建决策树回归模型，并可视化决策树的示例代码：

# 导入相关库
from sklearn.tree import DecisionTreeRegressor
from sklearn.tree import export_graphviz
from sklearn.externals.six import StringIO  
from IPython.display import Image  
import pydotplus

# 构建决策树回归模型
model = DecisionTreeRegressor(max_depth=3)
model.fit(X_train, y_train)

# 可视化决策树
dot_data = StringIO()
export_graphviz(model, out_file=dot_data,  
                filled=True, rounded=True,
                special_characters=True, feature_names = feature_cols)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())  
Image(graph.create_png())

在这段代码中，我们首先使用sklearn库构建了一个最大深度为3的决策树回归模型。然后，我们使用export_graphviz函数将模型可视化，其中特别指定了特征名称。最后，我们使用pydotplus库将生成的决策树图形化，并使用IPython.display库中的Image函数显示图像。