决策树可视化graphviz

决策树的可视化可以使用Graphviz工具来实现。以下是一个使用Python的scikit-learn库和Graphviz工具包来可视化决策树的示例代码：

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

# 加载数据集
iris = load_iris()
X = iris.data
y = iris.target

# 构建决策树模型
clf = DecisionTreeClassifier()
clf.fit(X, y)

# 生成决策树可视化图形
dot_data = tree.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("decision_tree")  # 保存为PDF或其他格式的图像文件
graph.view()  # 在默认图像查看器中显示决策树可视化图形

上述代码中，首先加载了一个经典的鸢尾花数据集（iris），然后使用决策树分类器构建了一个决策树模型。接下来，使用`export_graphviz`函数将决策树转换为Graphviz格式的数据，并使用`Source`类创建一个Graphviz对象。最后，可以通过`render`方法将决策树保存为图像文件，或者通过`view`方法在默认图像查看器中显示决策树可视化图形。

注意：在运行代码之前，确保已经安装了scikit-learn和Graphviz库。