我无法可视化或编写决策树。我该怎么做？
Python 版本 3.5，Anaconda 3，我什至设置了环境变量
from sklearn import tree
model = tree.DecisionTreeClassifier(criterion='gini')
model=tree.DecisionTreeClassifier()
model.fit(trainData,trainLabel)
model.score(trainData,trainLabel)
predicted= model.predict(testData)
from sklearn.externals.six import StringIO
import pydot
import pydotplus
dot_data = StringIO()
tree.export_graphviz(model, out_file=dot_data)
graph = pydotplus.graph_from_dot_data(dot_data.getvalue())
print(graph)
graph.write_pdf("C:\Users\anagha\Desktop\SynehackData\DATA\DATA\graph.pdf")
错误：
InvocationException: GraphViz's executables not found
我知道线程有点旧，但今天我在尝试使用 PyAgrum 库在 Jupyter 笔记本中可视化贝叶斯网络时遇到了同样的错误。
我在Windows 10上使用Anaconda软件包管理。就我而言，我需要使用以下命令python-graphviz安装软件包：
conda install python-graphviz
安装完成后，我只需要重新启动 jupyter 内核并再次运行代码。
我得到了这个错误并尝试了一百万件事。 我看到我应该添加到环境变量中，如果您在 Windows 中，则为"路径"。 我这样做了，重新启动了Python，但它不起作用。 我为graphviz和pydotplus做了这件事。
然后我看到有人使用了与我使用的路径略有不同的路径。 类似的东西 Drive：\Users\User.Name\AppData\Local\Continuum\anaconda3\envs\MyVirtualEnv\Library\bin\graphviz 所以我把它添加到路径中，并重新启动了所有的事情蟒蛇。 这可能是我尝试的第98件事。成功了！
我一直在使用这样的路径 Drive：\Users\User.Name\AppData\Local\Continuum\anaconda3\envs\MyVirtualEnv\lib\site-packages\graphviz，它不起作用，但我同时放入了两者，以及pydotplus的类似内容。
其他解决方案对我没有帮助。
我已经安装了以下内容：
graphviz==2.50.0
pydotplus==2.0.2
pydot==1.4.1
但是运行whereis dot和whereis graphviz，很明显我的操作系统上仍然缺少 graphviz 库：对于点，whereis 命令在我的系统上返回了一个路径，对于 graphviz，whereis 命令没有打印路径。
对我有帮助的(在 Ubuntu 上)是运行sudo apt-get install graphviz，因为 python 包 graphviz (https://pypi.org/project/graphviz/) 的 PyPi 页面提到了以下内容：
要呈现生成的DOT源代码，您还需要安装Graphviz(下载页面，存档版本，Windows的安装过程)。
上面链接的下载页面提到sudo apt-get install graphviz是Ubuntu上的方式。如果您有其他操作系统，请查看上面的下载页面，了解在特定操作系统上安装 graphviz 的方法。
你可以利用这段代码！
import pydotplus
from sklearn.datasets import load_iris
from sklearn import tree
import collections
# Data Collection
X = [ [180, 15,0],
[177, 42,0],
[136, 35,1],
[174, 65,0],
[141, 28,1]]
Y = ['man', 'woman', 'woman', 'man', 'woman']
data_feature_names = [ 'height', 'hair length', 'voice pitch' ]
# Training
clf = tree.DecisionTreeClassifier()
clf = clf.fit(X,Y)
# Visualize data
dot_data = tree.export_graphviz(clf,
feature_names=data_feature_names,
out_file=None,
filled=True,
rounded=True)
graph = pydotplus.graph_from_dot_data(dot_data)
colors = ('turquoise', 'orange')
edges = collections.defaultdict(list)
for edge in graph.get_edge_list():
edges[edge.get_source()].append(int(edge.get_destination()))
for edge in edges:
edges[edge].sort()
for i in range(2):
dest = graph.get_node(str(edges[edge][i]))[0]
dest.set_fillcolor(colors[i])
graph.write_png('tree.png')