決策樹(shù)算法在構(gòu)建過(guò)程中需要重點(diǎn)考慮以下兩個(gè)方面：

A: 字段的選擇
C: 剪枝

### 專(zhuān)業(yè)分析：

1. **字段的選擇**：
- 字段的選擇是決策樹(shù)構(gòu)建中最關(guān)鍵的步驟。在每一個(gè)節(jié)點(diǎn)分裂時(shí)，選擇合適的特征（字段）可以有效提高模型的準(zhǔn)確性和效率。通常使用信息增益、增益率或基尼指數(shù)等指標(biāo)來(lái)評(píng)估和選擇字段。

2. **剪枝**：
- 剪枝是防止決策樹(shù)過(guò)擬合的重要步驟。通過(guò)剪枝，可以去除不必要的節(jié)點(diǎn)，簡(jiǎn)化模型，從而提升模型的泛化能力。常見(jiàn)的剪枝方法包括預(yù)剪枝和后剪枝。

### 其他選項(xiàng)分析：

- **B: 概率為0的問(wèn)題**：
- 這個(gè)更多涉及到概率模型中的問(wèn)題，與決策樹(shù)的核心構(gòu)建過(guò)程關(guān)系不大。

- **D: 數(shù)值型字段離散化**：
- 雖然數(shù)值型字段離散化在一些情況下可以幫助提高決策樹(shù)的性能，但它不是決策樹(shù)算法中必須考慮的重點(diǎn)。在許多實(shí)現(xiàn)中，決策樹(shù)可以直接處理連續(xù)型數(shù)據(jù)。

### 總結(jié)：

在決策樹(shù)算法中，字段的選擇和剪枝是兩個(gè)非常關(guān)鍵的部分，直接影響了模型的性能和復(fù)雜度。通過(guò)正確選擇字段和適當(dāng)?shù)募糁夹g(shù)，可以顯著提升決策樹(shù)模型的表現(xiàn)。