決策樹是一種常見(jiàn)的機(jī)器學(xué)習(xí)算法，它可以幫助我們對(duì)數(shù)據(jù)進(jìn)行分類或者回歸等任務(wù)。在Python中，Scikit-learn提供了許多工具來(lái)構(gòu)建、訓(xùn)練和輸出決策樹模型。

首先，我們需要導(dǎo)入Scikit-learn庫(kù)：

import sklearn.tree as tree

然后，我們可以使用Scikit-learn提供的決策樹分類器進(jìn)行訓(xùn)練：

clf = tree.DecisionTreeClassifier()
X = [[0, 0], [1, 1]]
y = [0, 1]
clf.fit(X, y)

最后，我們可以使用Graphviz庫(kù)來(lái)將決策樹輸出為圖形：

import graphviz
dot_data = tree.export_graphviz(clf, out_file=None) 
graph = graphviz.Source(dot_data) 
graph.render("iris")

這個(gè)例子將訓(xùn)練一個(gè)決策樹模型，并將其輸出為名為“iris”的圖形文件。我們可以使用Graphviz來(lái)查看輸出的圖形：

graph.view()

以上就是使用Python輸出決策樹的簡(jiǎn)單教程。Scikit-learn還提供了許多其他有用的函數(shù)和工具，可以幫助我們更好地理解、調(diào)整和驗(yàn)證決策樹模型。