怎么在决策树代码中找训练集

在决策树代码中，训练集通常是作为输入参数传递给算法的。具体来说，训练集通常由两个数组组成：一个包含训练样本的特征向量，另一个包含对应的目标值或类别标签。

例如，在sklearn库中，决策树算法的训练函数是`DecisionTreeClassifier`，其输入参数包括`X`和`y`，其中`X`是训练样本的特征向量数组，`y`是对应的类别标签数组。你可以将你的训练数据存储为这种格式的数组，并将其传递给算法进行训练。

以下是一个简单的示例代码，用于在sklearn中训练一个决策树分类器：

from sklearn.tree import DecisionTreeClassifier

# 训练集特征向量
X_train = [[0, 0], [1, 1]]
# 训练集目标值
y_train = [0, 1]

# 创建决策树分类器
clf = DecisionTreeClassifier()

# 拟合训练数据
clf.fit(X_train, y_train)

在这个例子中，我们使用了一个包含两个训练样本的训练集，每个样本有两个特征。我们还指定了每个样本的目标值或类别标签。我们使用`DecisionTreeClassifier`创建了一个分类器，然后使用`fit`函数对训练集进行拟合，从而训练了决策树分类器。