1、依赖于matplotlib, sklearn.tree.plot_tree

2、第一步先把生成的分类树模型传入plot_tree(tree_model)中

3、第二步调用matplotlib的pyplot.show()显示图形

4、plot_tree()参数列表

def plot_tree(decision_tree, *, max_depth=None, feature_names=None,
              class_names=None, label='all', filled=False,
              impurity=True, node_ids=False,
              proportion=False, rotate='deprecated', rounded=False,
              precision=3, ax=None, fontsize=None)

"""具体介绍一些常用的，其他详细看源码介绍"""
# decision_tree：clf，填入训练好的分类树模型
# max_depth：填入整数类型数据，可以控制树的最大深度
# feature_names = None：填入特征值的名称，不填默认是x[0],x[1],x[2],取决特征值数量
# class_names = None：填入目标值的分类名称，不填不显示，如果是None则是x[0],x[1],x[2],取决于目标值的类别数量
# label = ["all" or "root" or "None"]按照官方的说法是是否显示杂项数据，默认all显示所有，root只在根节点显示，None不显示