构建决策树模型并绘制生成的决策树（附Python代码）

构建决策树模型并绘制生成的决策树（附Python代码）

在机器学习领域，决策树是一种常见的分类算法，它可以处理离散型和连续型的特征，并且比较适合处理具有“局部规律”的数据。在本文中，我们将使用Python编程语言来构建一个决策树模型，并使用export_graphviz模块绘制出生成的决策树。

首先，我们需要准备一些数据来训练我们的模型。这里我们使用sklearn库中自带的iris数据集，这是一个经典的分类问题，包含三个类别的鸢尾花数据，每个类别有50个样本，每个样本由4个特征组成（花瓣长度、花瓣宽度、花萼长度、花萼宽度）。下面是数据加载和预处理的代码：

from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
 
iris = load_iris()
X_train