W3School TIY Editor

# 这三行代码使编译器支持绘图功能：

import sys

import matplotlib

matplotlib.use('Agg')

​

import matplotlib.pyplot as plt

from sklearn import datasets

from sklearn.model_selection import train_test_split

from sklearn.ensemble import BaggingClassifier

from sklearn.tree import plot_tree

​

# 加载葡萄酒数据集：

data = datasets.load_wine()

​

# 准备特征数据和标签：

X = data.data

y = data.target

​

# 划分训练集和测试集（25% 作为测试集）：

X_train, X_test, y_train, y_test = train_test_split(

    X, y, 

    test_size=0.25, 

    random_state=22

)

​

# 创建带 OOB 评估的 Bagging 分类器：

oob_model = BaggingClassifier(

    n_estimators=12, 

    oob_score=True,

    random_state=22

)

​

# 训练模型：

oob_model.fit(X_train, y_train)

​

# 创建另一个相同的分类器用于可视化：

clf = BaggingClassifier(

    n_estimators=12,

    oob_score=True,

    random_state=22

)

clf.fit(X_train, y_train)

​

# 设置大尺寸画布：

plt.figure(figsize=(30, 20))

​

# 绘制第一个基学习器的决策树：

plot_tree(clf.estimators_[0])

​

# 这两行代码使编译器能够输出图形：

plt.savefig(sys.stdout.buffer)

sys.stdout.flush()