《机器学习实战》——决策树绘制分析

树如下：
{‘no surfacing’: {0: ‘no’, 1: {‘flippers’: {0: {‘head’: {0: ‘no’, 1: ‘yes’}}, 1: ‘no’}}}}
目标如下

关于绘制过程中的配置参数就不说了，主要是这个绘制思路。
首先是源代码的一些简单分析

0. 注意这个地方
   
   看到是一个指回箭头，让我一开始还以为整个树是从下往上画的，其实是，每次作画时，是先画当前节点，再画上一层指向该节点的箭头（这么描述也许不对，实际上是干了一件事，就是画了一个箭头，起点是带文本的且带箭头，终点是不带文本和箭头的。）
   
1. 其实对于最顶层的“no surfacing”也是写了文本和箭头的，文本是空字符，而箭头的坐标和终点坐标相同。主要是为了递归设计的。
2. 坐标计算！ 这里就是最麻烦的了。
   首先需要计算整个树的特征（叶节点总数和深度），深度（D）用来规划y轴坐标，叶节点数（N）用来计算x坐标。
   老外在做这种计算的时候思路真的是跟我们不一样的， 我已经不知道吃过多次吃亏了。其实思路是这样的。
   $0\to a_1\to a_2\to a_3\to a_4\to ...\to a_n$
   在坐标轴上按照均匀分布的放置结点，那么在放下 a N a_N