決策樹是一種常見的機器學(xué)習(xí)算法，對于可解釋性強的場景非常有用。在Python中，可以使用scikit-learn庫的DecisionTreeClassifier類構(gòu)建決策樹模型，通過相關(guān)方法可以直接打印出決策樹的結(jié)構(gòu)。

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier, export_graphviz
import graphviz
iris = load_iris() # 以鳶尾花數(shù)據(jù)集為例，導(dǎo)入數(shù)據(jù)
X, y = iris.data, iris.target
dt = DecisionTreeClassifier(random_state=42) # 構(gòu)建決策樹模型
dt.fit(X, y) # 訓(xùn)練模型
dot_data = export_graphviz(dt, out_file=None, 
feature_names=iris.feature_names,  
class_names=iris.target_names,  
filled=True, rounded=True,  
special_characters=True) # 導(dǎo)出dot格式的決策樹結(jié)構(gòu)
graph = graphviz.Source(dot_data) # 構(gòu)建圖形對象
graph.render("iris_decision_tree") # 保存決策樹結(jié)構(gòu)到PDF文件
print(dt) # 直接打印決策樹模型

上述代碼中，首先導(dǎo)入鳶尾花數(shù)據(jù)集，并使用DecisionTreeClassifier類構(gòu)建決策樹模型。利用fit方法對模型進行訓(xùn)練。接下來，使用export_graphviz方法將決策樹導(dǎo)出為dot格式的內(nèi)容，并構(gòu)建graphviz圖形對象。最后，將決策樹圖形保存為PDF文件，同時通過print函數(shù)打印出決策樹模型。

通過以上代碼，我們可以非常簡單地打印出決策樹的結(jié)構(gòu)，從而方便進行模型的理解和解釋。