由于决策树图需要使用Graphviz库进行绘制，而该库在Windows环境下安装较为繁琐，因此这里不提供决策树图的绘制代码。以下是特征重要性图和随机森林分类结果图的代码：

特征重要性图代码：

import matplotlib.pyplot as plt

绘制特征重要性图

plt.bar(result['Genes'], result['Importances']) plt.xticks(rotation=90) plt.title('Feature importances') plt.xlabel('Genes') plt.ylabel('Importance score') plt.show()

随机森林分类结果图代码：

from sklearn.metrics import roc_curve, auc import numpy as np

绘制随机森林分类结果图

probas = clf.predict_proba(X) fpr, tpr, thresholds = roc_curve(y, probas[:, 1]) roc_auc = auc(fpr, tpr)

plt.plot(fpr, tpr, color='darkorange', lw=2, label='ROC curve (area = %0.2f)' % roc_auc) plt.plot([0, 1], [0, 1], color='navy', lw=2, linestyle='--') plt.xlim([0.0, 1.0]) plt.ylim([0.0, 1.05]) plt.xlabel('False Positive Rate') plt.ylabel('True Positive Rate') plt.title('Receiver operating characteristic') plt.legend(loc="lower right") plt.show()