写一个机器学习 决策树-鸢尾花的简单python代码，最后要报出二叉树的选择图

当然可以，这里是一个简单的Python代码片段，使用scikit-learn库来构建决策树模型并预测鸢尾花（Iris）数据集的类别。我们首先导入必要的库，然后加载数据，接着训练模型，最后绘制决策树。
# 导入所需库
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
import graphviz

# 加载鸢尾花数据集
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)

# 创建决策树分类器
tree_clf = DecisionTreeClassifier(random_state=42)
tree_clf.fit(X_train, y_train)

# 将决策树可视化（使用Graphviz）
dot_data = tree_clf.export_graphviz(max_depth=2,
feature_names=iris.feature_names,
class_names=iris.target_names,
filled=True, rounded=True,
special_characters=True)

# 保存为SVG文件
with open("iris_tree.dot", "w") as f:
f.write(dot_data)

# 使用graphviz查看决策树
import os
os.system('dot -Tsvg iris_tree.dot -o iris_tree.svg')
登录后复制
这段代码会创建一个深度为2的决策树，并将其可视化成SVG图像文件"iris_tree.svg"。运行这段代码后，你应该会在当前目录下看到一个名为"iris_tree.svg"的文件，它展示了选择过程的二叉树图形。