接下来,我们使用export_graphviz函数将决策树导出为Graphviz格式。在函数的参数中,我们设置了max_depth=3,即限制决策树的深度为3。其他参数如feature_names和class_names用于设置特征和类别的名称,filled=True和rounded=True用于美化可视化结果,special_characters=True用于处理特殊字符。 最后,我们使用graphviz.Source函数将G...
model = decisionTree.fit(trainData, trainTargets)# Create graph description of the Decision Treedot_data = StringIO()#export_graphviz(model, out_file=dot_data, max_depth=5)print("Feature names:", featureNames)export_graphviz(model, out_file=dot_data, feature_names=featureNames, max_depth=5...