我有一些数据集，其中包含我实际工作的组织采购。目的是找到最重要的特征来描述为什么某些购买过程是成功的，以及为什么不成功。

为了解决这个问题，我使用了决策树分类器。

首先，我将布尔列转换为 int

for col in ['flag_prequalification', 'flag_procurement_category_strategy']:
data.loc[:, col] = data.loc[:, col].astype(int)

然后，将对象类型转换为字符串。这用于标签编码

for cat_feature in categorical_features:
    data.loc[:, cat_feature] = data.loc[:, cat_feature].fillna('unknown').astype(str)
%%time
encoder = defaultdict(LabelEncoder)
data.loc[:, categorical_features] = (
    data
    .loc[:, categorical_features]
    .apply(lambda x: encoder[x.name].fit_transform(x), axis=0)
)

之后，让我们使用 log(sum) 代替 sum

for col in ['sum_tru_no_nds (lot)', 'price (lot)', 'count (lot)']:
data[col] = (data[col] + 1).apply(np.log)

并且，最后绘制树：

from sklearn.externals.six import StringIO  
from IPython.display import Image  
from sklearn.tree import export_graphviz
import pydotplus

import graphviz
# DOT data
dot_data = tree.export_graphviz(clf, out_file=None, 
                                feature_names=None,  
                                class_names=target_col,
                                filled=True)

# Draw graph
graph = graphviz.Source(dot_data, format="png") 
graph

问题是，我如何向其他人解释这棵树，更准确地说，我如何解码树中的这个标签？