Windows で Graphviz をインストールして開始する方法のチュートリアル

ドット D:\test\1.gv -Tpng -o image.png

グラフpic1 { 
 a -- b
 a -- b
 b -- [色=青]
} 

有向グラフ pic2 { 
 a -> b
 a -> b
 b -> a [スタイル=塗りつぶし 色=青]
} 

有向グラフ スタートゲーム {
  label="ゲームリソースの更新プロセス"
  ランクディレクトリ="TB"
  start[label="ゲームを開始" shape=circle style=filled]
  ifwifi[label="ネットワーク環境によってWIFIかどうかが決まる" shape=diamond]
  needupdate[label="更新が必要なリソースがあるかどうか" shape=diamond]
  startslientdl[label="サイレントダウンロード" shape=box]
  enterhall[label="ゲームロビーに入る" shape=box]

  enterroom[label="部屋に入る" shape=box]
  resourceuptodate[label="リソースが不完全" shape=diamond]
  プレイ開始[label="通常ゲーム" shape=circle fillcolor=blue]
  警告[label="プレイヤーにアップデートするかどうかを通知する" shape=diamond]
  startdl[label="ダウンロードインターフェイスに入る" shape=box]
  //{rank=same; needupdate, enterhall}

  {shape=diamond; ifwifi、needupdate}

  開始 -> ifwifi
  ifwifi->needupdate[label="yes"]
  ifwifi->enterhall[label="no"]
  needupdate->startslientdl[label="yes"]
  startslientdl->enterhall
  更新が必要->enterhall[label="no"]

  エンターホール -> エンタールーム
  部屋に入る->リソースの最新情報
  resourceuptodate -> 警告[label="yes"]
  リソース更新 -> 再生開始[ラベル="no"]
  警告 -> startdl[label="ダウンロードの確認"]
  警告 -> enterhall[label="ダウンロードをキャンセル"]
  startdl -> enterhall[label="ダウンロードをキャンセル"]
  startdl -> startplay[label="ダウンロードが完了しました"]
} 

from sklearn.tree import export_graphviz # 関数をインポートします # tree はトレーニング済みモデルを表します。つまり、DecisionTreeClassifier インスタンスの fit(X_train, y_train) メソッドが呼び出されています export_graphviz(tree, out_file='tree.dot', 
    feature_names=['花びらの長さ', '花びらの幅'])

ドット -Tpng ツリー.ドット -o ツリー.png