机器学习（三十四）：可视化决策树的四个方法

这几个方法我本来在决策树的文章中讲解过，这里我单独拿出来，便于读者查询使用。

• 决策树是一种监督机器学习算法，这意味着它需要特征和训练目标。
• 决策树可用于分类和回归任务。
• 在训练时，它会创建一个 Binray Tree 类型的结构，其中每个节点都有 2 个子节点；左边表示如果父节点条件为 True 将遵循的树，右边表示如果父节点条件为 False 将遵循的树。
• 在这篇博客中，我们将看到 4 种可视化这些树的方法。只要是关于树的算法，都可以使用本文提供的方法。
  

  文章目录

  • • 第 1 步——训练一个基本的决策树
    • 第 2 步 – 树可视化的类型
    • • 2.1 树的文本表示
      • 2.2 使用 plot_tree 绘制树
      • 2.3 用 Graphviz 可视化决策树
      • 2.4 用dtreeviz包绘制决策树

第 1 步——训练一个基本的决策树

本次以自带的鸢尾花数据为例进行加载：

from matpl