任选编程语言，实现决策树（ID3）算法，并尝试用该算法解决相亲问题

决策树（ID3）算法是一种基于信息熵构建分类模型的机器学习方法，最初由R.A. Quinlan开发。以下是使用Python和sklearn库简单地实现ID3算法的一个例子，这里我们用它来模拟一个简单的相亲问题：

from sklearn.tree import DecisionTreeClassifier
import pandas as pd

# 假设有一份相亲数据集，包含以下几个特征：年龄、学历、职业、收入和个人喜好
data = {
    '年龄': [25, 30, 35, 40, 45],
    '学历': ['本科', '硕士', '博士', '本科', '研究生'],
    '职业': ['医生', '教师', '工程师', '律师', '企业家'],
    '收入': ['高', '中', '低', '高', '高'],
    '喜好': ['音乐', '运动', '电影', '旅行', '美食'],
    '是否匹配': [True, False, True, False, True]
}

df = pd.DataFrame(data)

# 定义特征列名
features = df.columns[:-1]

# 定义目标列
target = df['是否匹配']

# 使用ID3算法构建决策树
clf = DecisionTreeClassifier(criterion='entropy')
clf.fit(df[features], target)

# 现在你可以用这个模型对新的相亲者进行预测
new_person = {'年龄': 32, '学历': '硕士', '职业': '工程师', '收入': '中', '喜好': '电影'}
prediction = clf.predict([new_person])

print(f"根据决策树算法，这个人与相亲对象的匹配概率是：{prediction}")