决策树分类可视化

决策树分类可视化可以使用Python中的Graphviz库和Scikit-learn库来实现。

首先，需要在Python中安装Graphviz库和Scikit-learn库。然后，将数据集导入Python中，并使用Scikit-learn库中的决策树分类器来训练模型。接下来，可以使用Graphviz库中的export_graphviz函数将决策树模型导出为dot文件。最后，使用Graphviz库中的Source函数将dot文件转换为可视化的决策树图。

以下是一个示例代码：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
from graphviz import Source

# 导入数据集
iris = load_iris()

# 训练决策树分类器
tree = DecisionTreeClassifier()
tree.fit(iris.data, iris.target)

# 导出决策树模型为dot文件
dot_data = export_graphviz(tree, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True)

# 将dot文件转换为可视化的决策树图
graph = Source(dot_data)
graph.view()

运行代码后，会自动弹出一个窗口显示可视化的决策树图。如果想要将决策树图保存到本地，可以使用graph.render函数。例如，graph.render("iris_decision_tree")将决策树图保存为iris_decision_tree.pdf文件。