1.Python实现ID3，C4.5，CART算法，并自行建立测试数据集进训练、测试

好的，我可以为您解答这个问题。首先，ID3、C4.5和CART都是决策树算法，用于分类和回归问题。

在Python中，可以使用scikit-learn库来实现这些算法。下面是一个简单的示例代码，演示如何使用CART算法来训练和测试一个决策树模型：

from sklearn.datasets import load_iris
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split

# 加载鸢尾花数据集
data = load_iris()
X = data.data
y = data.target

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

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

# 训练模型
clf.fit(X_train, y_train)

# 测试模型
score = clf.score(X_test, y_test)

# 打印准确率
print("准确率：", score)

在这个示例代码中，我们使用load_iris()函数加载了一个经典的鸢尾花数据集。然后，我们将数据集分为训练集和测试集，并使用DecisionTreeClassifier类创建了一个决策树分类器。最后，我们使用fit()方法训练模型，并使用score()方法计算测试集上的准确率。

当然，您可以自己创建测试数据集，并将其用于训练和测试模型。这里只是一个简单的示例代码，供您参考。