scikit-learnで決定木の作成

Wekaを使って決定木を作っていたのですが，データをarffにするのがめんどくさくて
Pythonの機械学習ライブラリscikit-learnで決定木を作成してみました．
使ってみたかったし
scikit-learnのインストールは他のWebで丁寧に教えてくれます

決定木のオブジェクト自体は結構簡単にできます．
Graphvizはbrewでinstallしましょう(Mac)
pyparsing と呼ばれるライブラリが新しくなってしまっているので
描画したいときは

sudo pip install -U pydot pyparsing==1.5.7

で，ダウングレードしてください
Windowsはわからない(小声)

tree_ex.py

#-*-coding:utf-8 -*-

# Null値は使えない → どうしよう？
# yes,noは1,-1
# 文字は使えない
from sklearn import tree
from sklearn.externals.six import StringIO
import pydot

if __name__ == '__main__':

    X = [
        [0,1],
        [0,-1],
        [1,1]
        ]
    Y = [1,2,3] #上から順に対応している
    clf = tree.DecisionTreeClassifier()
    clf = clf.fit(X,Y) # これで決定木オブジェクト完成

    #描画のためのおまじない
    dot_data = StringIO()
    tree.export_graphviz(clf,out_file = dot_data)
    graph = pydot.graph_from_dot_data(dot_data.getvalue())
    graph.write_pdf("tree_ex.pdf")
    
    #pre = clf.predict([0,1])
    #print pre #結果は1

X がデータで，Yが各データのラベルになっています．
fit関数でXとYをマッスルドッキングしてます(多分)

fit関数を適用した時点で，clfが決定木オブジェクト兼分類器になっているので
コメントアウトしてあるpredict関数で新しいデータがどのクラスに属するか分類できます．

あとはpydotを呼び出して描画するおまじない，，，のはず

上の描画結果はこんな感じ

Wekaの決定木が見づらくてPythonで決定木を作ろうとしたらこうなりました．
決定木作成自体はとても簡単です．
見やすくはあるのですが

・分岐条件が出てない(実力不足で出せない)

・1項目に1,2,3種類の解答があるアンケートは振り分けられない(yes,noは[1,-1]で実現可)

・Null値・文字列を受け付けない

など，今のところWekaのほうが使いやすい気がします．
引数のオプションつければよくなるんでしょうか．．．