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：
```python
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