怎么用python做出决策树

绘制决策树通常需要使用图形库，如`matplotlib`和`pydotplus`。以下是一个使用`matplotlib`和`pydotplus`绘制决策树的Python代码示例：

 from sklearn.datasets import load_iris from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.tree import export_graphviz from IPython.display import Image import matplotlib.pyplot as plt import pydotplus 加载数据集 iris = load_iris（） X = iris.data y = iris.target 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split（X, y, test_size=0.3, random_state=1） 建立决策树模型 dt_model = DecisionTreeClassifier（max_depth=3, min_samples_split=5, min_samples_leaf=2, max_leaf_nodes=10, class_weight='balanced', ccp_alpha=0.0001） dt_model.fit（X_train, y_train） 导出决策树为DOT格式 dot_data = export_graphviz（dt_model, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True）  使用pydotplus生成图形 graph = pydotplus.graph_from_dot_data（dot_data） 显示图形 Image（graph.create_png（）） 

这段代码首先加载了鸢尾花数据集，然后使用`DecisionTreeClassifier`建立了一个决策树模型，并对数据集进行了训练。之后，使用`export_graphviz`函数将决策树导出为DOT格式，最后使用`pydotplus`将DOT数据转换为图形，并使用`matplotlib`的`Image`函数显示图形。

请注意，为了运行上述代码，你需要确保已经安装了`scikit-learn`、`pydotplus`和`graphviz`库。如果尚未安装，可以使用以下命令进行安装：

 pip install scikit-learn pydotplus graphviz