python决策树特征重要性画图代码

可以使用sklearn库中的`plot_importance`函数来画出特征重要性图。以下是一个示例代码：

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

# 导入数据集
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=0.2, random_state=42)

# 训练决策树模型
clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

# 画出特征重要性图
fig, ax = plt.subplots(figsize=(8, 6))
tree.plot_tree(clf, ax=ax, feature_names=iris.feature_names, class_names=iris.target_names, filled=True)
plt.show()

运行该代码后，会显示出一个特征重要性图，其中每个节点表示对应的特征，节点的大小表示该特征的重要性，节点的颜色表示该节点所表示的样本中各个类别的比例。