决策树散点图代码

决策树模型可以使用 Graphviz 库绘制出来，其中散点图可以用节点颜色表示。以下是一个简单的示例代码：

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

# 加载数据集
iris = load_iris()
X = iris.data[:, 2:]  # 取花瓣长度和宽度两个特征
y = iris.target

# 训练决策树模型
tree_clf = DecisionTreeClassifier(max_depth=2)
tree_clf.fit(X, y)

# 将决策树导出为DOT格式
dot_data = export_graphviz(tree_clf, out_file=None, 
                           feature_names=iris.feature_names[2:],  
                           class_names=iris.target_names,  
                           filled=True, rounded=True,  
                           special_characters=True)

# 使用Graphviz库将DOT格式转换为PDF格式并显示
graph = graphviz.Source(dot_data)
graph.format = 'pdf'
graph.render("iris_decision_tree")

# 绘制散点图
plt.scatter(X[:, 0], X[:, 1], c=y, cmap=plt.cm.get_cmap('viridis', 3))
plt.xlabel('Petal Length')
plt.ylabel('Petal Width')
plt.show()

这段代码使用了鸢尾花数据集，使用了决策树模型对花瓣长度和宽度两个特征进行分类，并将分类结果用颜色表示。使用 `export_graphviz` 函数将训练好的决策树模型导出为DOT格式，然后使用 Graphviz 库将DOT格式转换为 PDF 格式并显示出来。最后使用 `scatter` 函数绘制散点图，其中 `c` 参数表示颜色映射，`cmap` 参数指定使用的颜色映射类型。