export_graphviz示例

以下是一个简单的示例，演示如何使用export_graphviz函数从决策树模型中生成可视化的图形。

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

# 加载数据集
iris = load_iris()

# 创建决策树分类器
tree = DecisionTreeClassifier()

# 拟合模型
tree.fit(iris.data, iris.target)

# 生成决策树图形
export_graphviz(tree, out_file='tree.dot', feature_names=iris.feature_names, class_names=iris.target_names, filled=True)

在这个例子中，我们使用sklearn的load_iris函数加载了一个经典的iris数据集。我们创建了一个DecisionTreeClassifier对象，并使用fit方法将模型拟合到数据集上。最后，我们使用export_graphviz函数生成一个名为tree.dot的文件，其中包含了可视化的决策树。我们还可以使用feature_names和class_names参数来指定特征和类别的名称，并使用filled参数来使节点的颜色与其相应的类别相关联。

生成的dot文件可以使用Graphviz工具转换为图像文件，如PNG、PDF等。

以下是生成的决策树图形示例：