今天要來利用python的sklearn來實作decision tree，今天的範例同樣是要預測sklearn裡的iris資料集。同樣的第一步，導入iris資料集的特徵（feature）為x、標籤（label）為y。完成後的x和y如下：

from sklearn import datasets
import pandas as pd

data = datasets.load_iris()
x = pd.DataFrame(data["data"], columns = data["feature_names"])
y = pd.DataFrame(data["target"], columns = ["target"])

接著要建構模型，這邊直接利用sklearn裡面的函式建構，建構完成後直接將x和y丟進去訓練。

from sklearn import tree

decisionTree = tree.DecisionTreeClassifier()
decisionTree.fit(x, y)

訓練完成過後，我們可以利用sklearn內建的函式—plot_tree來看看我們所做出的decision tree模型。

tree.plot_tree(decisionTree)

如果想要將圖形給儲存下來，可以利用python的graphviz套件，他可以像下面一樣輸出一個.dot檔。

import graphviz

with open("decision_tree.dot", "w") as f:
    tree.export_graphviz(decisionTree, out_file = f)

最後利用下方的指令就可以獲得一個pdf檔囉！

!dot -Tpdf decision_tree.dot -o decision_tree.pdf