【Python】决策树算法 详解版【附完整版示例】

from sklearn.datasets import load_iris
from sklearn import tree
import pydotplus
 
# 加载鸢尾花数据集
iris = load_iris()
 
# 创建决策树模型
model = tree.DecisionTreeClassifier()
 
# 训练模型
model.fit(iris.data, iris.target)
 
# 使用 pydotplus 将决策树可视化
dot_data = tree.export_graphviz(
    model,
    out_file=None,
    feature_names=iris.feature_names,
    class_names=iris.target_names,
    filled=True,
    rounded=True
)
graph = pydotplus.graph_from_dot_data(dot_data)
graph.write_pdf("iris_decision_tree.pdf")
 
# 打印出决策树的详细信息
print(model)

这段代码使用了sklearn库中的tree模块来训练一个决策树模型，并使用pydotplus库将决策树可视化为PDF格式的图片。代码加载了鸢尾花数据集，训练了一个基于该数据集的决策树分类器，并将决策树导出为PDF格式的图片。最后，打印出了决策树的详细信息，包括其结构和训练参数。