Python 决策树实现鸢尾花分类并可视化 - 简洁代码示例

以下 Python 代码演示了如何使用决策树模型对经典的鸢尾花数据集进行分类，并进行可视化展示：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import export_graphviz
import graphviz

# 加载鸢尾花数据集
iris = load_iris()

# 构建决策树模型
clf = DecisionTreeClassifier()

# 训练模型
clf.fit(iris.data, iris.target)

# 可视化决策树
dot_data = export_graphviz(clf, out_file=None, 
                           feature_names=iris.feature_names,  
                           class_names=iris.target_names,  
                           filled=True, rounded=True,  
                           special_characters=True)  
graph = graphviz.Source(dot_data)  
graph.view()

决策树可视化结果如下：

其中，绿色节点代表分类结果为'Setosa'，黄色节点代表分类结果为'Versicolor'，紫色节点代表分类结果为'Virginica'。决策树的每个节点代表一个属性，通过判断该属性的取值来进行分类。例如，根节点判断花瓣长度是否小于等于2.45，如果是，则分类结果为'Setosa'，否则进入左子树判断下一个属性。