决策树实现鸢尾花分类代码,输出决策树图形

好的，以下是决策树实现鸢尾花分类的Python代码，同时输出决策树图形：

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

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 构建决策树分类器
clf = DecisionTreeClassifier(random_state=42)
clf.fit(X_train, y_train)

# 输出决策树图形
dot_data = export_graphviz(clf, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True)
graph = graphviz.Source(dot_data)
graph.render("iris_decision_tree")

# 在测试集上评估决策树分类器的性能
score = clf.score(X_test, y_test)
print("Accuracy:", score)

在上面的代码中，我们使用sklearn库中的DecisionTreeClassifier类来构建决策树分类器。我们还使用sklearn库中的train_test_split函数将数据集分为训练集和测试集。最后，我们使用export_graphviz函数将决策树输出为Graphviz格式，然后使用graphviz库中的Source和render函数将Graphviz格式转换为决策树图形，并将其保存为PDF文件。