Python决策树图像学习

我正在使用一个棒球数据集，其中每一行都是一个单独的球场。每列都是关于该音高的属性。示例1俯仰可以是95英里/小时，2000转/分的旋转速度，100英里/小时的击球速度，等等

我根据下面这个网页的代码构建了一个决策树，并使用俯仰速度和旋转速度来预测俯仰是否会导致命中。我得到了81%的准确率。。。但谁在乎呢？我需要能够从决策树中获得一些见解。例如，我需要能够阅读这样的东西，超过95英里/小时的投球和超过3000的旋转速度会导致87%的时间“没有命中”

如何绘制决策树的图像，以查看我可以提出建议的此类数据

---

使用代码将训练后的决策树模型转储到文件中

with open("fine_name.dot", 'w') as f:
    f = tree.export_graphviz(tree_name, out_file=f, feature_names=columns)

---

复制生成文件的内容并粘贴到的编辑器中，以可视化决策树。它将决策树转换为白色框：D

您可以使用tree.plot\u tree获取树的图像。

请参阅