用决策树代码实现 根据天气判断是否打网球 并可视化

好的，下面是决策树代码实现以及可视化：

import pandas as pd
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import plot_tree
import matplotlib.pyplot as plt

# 创建数据集
data = {'Outlook': ['Sunny', 'Sunny', 'Overcast', 'Rain', 'Rain', 'Rain', 'Overcast',
                    'Sunny', 'Sunny', 'Rain', 'Sunny', 'Overcast', 'Overcast', 'Rain'],
        'Temperature': ['Hot', 'Hot', 'Hot', 'Mild', 'Cool', 'Cool', 'Cool',
                        'Mild', 'Cool', 'Mild', 'Mild', 'Mild', 'Hot', 'Mild'],
        'Humidity': ['High', 'High', 'High', 'High', 'Normal', 'Normal', 'Normal',
                     'High', 'Normal', 'Normal', 'Normal', 'High', 'Normal', 'High'],
        'Wind': ['Weak', 'Strong', 'Weak', 'Weak', 'Weak', 'Strong', 'Strong',
                 'Weak', 'Weak', 'Weak', 'Strong', 'Strong', 'Weak', 'Strong'],
        'PlayTennis': ['No', 'No', 'Yes', 'Yes', 'Yes', 'No', 'Yes',
                       'No', 'Yes', 'Yes', 'Yes', 'Yes', 'Yes', 'No']}
df = pd.DataFrame(data)

# 分离特征和标签
X = df.drop(['PlayTennis'], axis=1)
y = df['PlayTennis']

# 将特征转换为数值型
X = pd.get_dummies(X)

# 创建决策树对象
tree = DecisionTreeClassifier()

# 训练模型
tree.fit(X, y)

# 可视化决策树
fig, ax = plt.subplots(figsize=(12, 6))
plot_tree(tree, ax=ax, filled=True, feature_names=X.columns, class_names=['No', 'Yes'])
plt.show()

运行上述代码后，将会输出一个决策树可视化图像，如下图所示：


通过决策树可视化图像，我们可以清晰地看到如何根据天气预测是否打网球。例如，如果今天的天气为“Overcast”（阴天），那么一定可以打网球。如果今天的天气为“Sunny”（晴天），并且湿度为“High”（高湿度），那么不能打网球。