1.参考网站：
sklearn.tree.plot_tree — scikit-learn 1.0 documentation
https://scikit-learn.org/stable/modules/generated/sklearn.tree.plot_tree.html
2. 中英文解释（自己
Parameters:
1. decision_tree:
decision tree regressor or classifier
#决策树
2. max_depth:
int, default=None
#定义最大的深度 e.g. max_depth=3 有三层
3. feature_names:
list of strings, default=None
#每个功能的名字
4. class_names:
list of str or bool, default=None
#每个目标类的名称按数字升序排列
5. label:
{‘all’, ‘root’, ‘none’}, default=’all’
#label={'all'} ,是否显示杂质等信息标签。选项包括“全部”以显示在每个节点，“根”仅显示在顶部根节点，或“无”不显示在任何节点。
6. filled:
bool, default=False
#filled = True: 输出的节点纯度
7. impurity:
bool, default=True
#显示的是impurity 杂质
8. node_ids:
bool, default=False #node_ids=True 会展示id的名字
9. proportion:
bool, default=False
#比例
10. rounded:
bool, default=False
#整数
11. precision:
int, default=3
#精度
12.ax:
matplotlib axis, default=None
#默认使用目前的尺寸
13: fontsize:
int, default=None
#字的尺寸
3. 总结：plot的参数主要是多试，试一下就知道是什么了。
1.参考网站：sklearn.tree.plot_tree — scikit-learn 1.0 documentationhttps://scikit-learn.org/stable/modules/generated/sklearn.tree.plot_tree.html2. 中英文解释（自己Parameters:1. decision_tree:decision tree regressor or classifier #决策树2. max_depth:int, default=No..
决策树相关内容，详情可见 决策树算法
Graphviz是一个开源的图（Graph）可视化软件，采用抽象的图和网络来表示结构化的信息。在数据科学领域，Graphviz的一个用途就是实现决策树可视化。为了将决策树可视化，首先需要创建一个dot文件来描述决策树，使用Graphviz将dot文件转换为图形文件，如png、jpg等。
安装graphviz库
详细安装过程，可参考Graphviz安装及使用-决策树可视化
pip install graphviz
或者用con
from sklearn.
tree
import De
cisio
n
Tree
Classifier
#创建分类器对象
tree
=De
cisio
n
Tree
Classifier(criterion="entropy")
#训练数据fit
tree
.fit([[0],[1],[2],[3]],["a","a","b","c"])
#预测新数据
target=
tree
.predict([[2]])
#模型评估，打分，验证方法，评估方式
print(target)
print(
tree
.scor
