在XGBoost的Python包中，如果你使用的是非sklearn的API，通常会使用`xgboost.Booster`对象来表示训练好的模型。为了查看模型的详细信息，如树结构和特征的重要性，你需要使用相关的方法。以下是对这些选项的专业分析：

- **A: `to_DataFrame()`**
- XGBoost并没有提供一个叫做`to_DataFrame()`的直接方法来查看模型信息。

- **B: `.trees_to_dataframe()`**
- 这是一个实际存在的方法，用于将决策树转化为一个DataFrame。这在`xgboost.Booster`中可以使用，适合查看树的节点信息。

- **C: `.booster`**
- `.booster`不是一个直接方法，而是一个属性。在使用`XGBModel`对象（例如`XGBClassifier`）时，你可以通过这个属性获取底层的`Booster`对象。但它本身不能直接查看信息。

- **D: `.feature_names`**
- 这是用于获取或设置特征名称的属性，而不是用于查看训练后的模型详细信息。

结合以上分析，正确答案是：

**B: `.trees_to_dataframe()`**

**专业分析**：
此方法适用于使用原生XGBoost API训练好的模型，它将决策树的细节（如节点的分裂条件、叶子节点的输出等）转化为一个Pandas DataFrame，便于分析和解释模型。使用这个方法后，你可以更容易地在Python中处理和查看模型的树结构具体信息。