使用sklearn中的决策树算法对鸢尾花数据集进行分类，要求打印并输出训练得分

好的，我来回答你的问题。

针对你的问题，可以按照以下步骤进行：

1.导入鸢尾花数据集，使用sklearn中的load_iris方法，代码如下：

from sklearn.datasets import load_iris
iris = load_iris()

2.划分数据集，使用train_test_split方法将数据集分成训练集和测试集，代码如下：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

3.导入决策树分类器，使用sklearn中的DecisionTreeClassifier方法，代码如下：

from sklearn.tree import DecisionTreeClassifier
dtc = DecisionTreeClassifier()

4.训练模型，使用fit方法进行训练，代码如下：

dtc.fit(X_train, y_train)

5.预测结果，使用predict方法进行预测，代码如下：

y_pred = dtc.predict(X_test)

6.计算训练得分，使用score方法进行计算，代码如下：

score = dtc.score(X_train, y_train)
print("训练得分为：", score)

以上就是使用sklearn中的决策树算法对鸢尾花数据集进行分类的步骤，其中包含了计算训练得分的步骤。