W3School TIY Editor

# 三行配置使编译器支持绘图功能： import sys import matplotlib matplotlib.use('Agg') import pandas from sklearn import tree from sklearn.tree import DecisionTreeClassifier import matplotlib.pyplot as plt # 读取数据文件： df = pandas.read_csv("data.csv") # 将分类变量转换为数值： d = {'UK': 0, 'USA': 1, 'N': 2} df['Nationality'] = df['Nationality'].map(d) d = {'YES': 1, 'NO': 0} df['Go'] = df['Go'].map(d) # 定义特征列： features = ['Age', 'Experience', 'Rank', 'Nationality'] # 准备特征矩阵和目标向量： X = df[features] y = df['Go'] # 创建并训练决策树分类器： dtree = DecisionTreeClassifier() dtree = dtree.fit(X, y) # 绘制决策树图形： tree.plot_tree(dtree, feature_names=features) # 两行代码实现图形输出： plt.savefig(sys.stdout.buffer) sys.stdout.flush() # 注意： # 您会发现即使使用相同数据，决策树每次运行可能给出不同结果 # 这是因为决策树不提供 100% 确定的答案，它基于结果概率，因此答案会有所变化