ABCD均为决策树归纳算法的重要特征。

正确答案是：A, B, C。

分析如下：

A: 决策树归纳是一种构建分类模型的非参数方法。
这个说法是正确的。决策树是一种非参数的监督学习方法，用于分类和回归任务。它不依赖于数据的任何假设分布。

B: 已开发的构建决策树技术不需要昂贵的计算代价，即使训练集非常大，也可以快速建立模型。
这个说法也是正确的。决策树算法，如CART、ID3和C4.5等，通常具有较低的计算复杂度。尽管在处理非常大的数据集时，构建决策树的时间和空间复杂度仍然会增加，但相较于其他复杂的模型（如神经网络），决策树的计算代价相对较低。

C: 决策树相对容易解释，特别是小型的决策树。
这个说法也是正确的。决策树模型的可解释性是其一个重要优点。特别是对于小型决策树，树的结构清晰明了，易于理解和解释。

D: 冗余属性不会对决策树的准确率造成太大的影响。
这个说法是不正确的。冗余属性可能会导致决策树的复杂度增加，进而影响模型的准确性和泛化能力。冗余属性会增加树的深度和节点数量，可能导致过拟合问题。因此，在构建决策树时，通常需要进行特征选择以减少冗余属性的影响。

综上所述，正确答案是A, B, C。