python如何查看决策树

要查看Python中的决策树模型，你可以使用以下方法：

可视化决策树

使用`Graphviz`库可以将决策树模型可视化，这有助于分析和调整模型。你可以使用`dot`命令和`pydotplus`库来绘制决策树。

 from sklearn.tree import DecisionTreeClassifier from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score from pydotplus import graph_from_dot_data from IPython.display import Image import pydot 加载数据集 iris = load_iris（） X = iris.data y = iris.target 划分数据集 X_train, X_test, y_train, y_test = train_test_split（X, y, test_size=0.3, random_state=42） 创建决策树模型 model = DecisionTreeClassifier（random_state=0） model.fit（X_train, y_train） 预测 predictions = model.predict（X_test） print（"Accuracy:", accuracy_score（y_test, predictions）） 可视化决策树 dot_data = tree.export_graphviz（model, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True） graph = graph_from_dot_data（dot_data） Image（graph.create_png（）） 

查看决策树结构

你可以通过`DecisionTreeClassifier`对象的`tree_`属性来查看决策树的结构。

 查看决策树结构 print（model.tree_.__str__（）） 

使用其他库

除了`pydotplus`，你还可以使用`sklearn`自带的`export_graphviz`函数来导出决策树的可视化数据，然后用其他可视化工具（如`graphviz`命令行工具）来生成图像。

 from sklearn.tree import export_graphviz 导出决策树为DOT格式 dot_data = export_graphviz（model, out_file=None, feature_names=iris.feature_names, class_names=iris.target_names, filled=True, rounded=True, special_characters=True） 使用graphviz命令行工具生成图像 dot -Tpng tree.dot -o tree.png 

以上方法可以帮助你查看和理解Python中的决策树模型。