分类树算法要解决的主要问题：一是如何找出分支的最佳节点，二是如何让决策树停止生长

正确答案是：A: 如何分裂训练记录? 和 C: 如何停止分裂过程?

专业分析：

1. **如何分裂训练记录?**
在决策树归纳算法中，分裂训练记录是生成决策树的核心步骤之一。ID3算法通过选择一个属性来分裂数据集，使得每个分裂后的子集在该属性上的不纯度（通常使用熵或信息增益来衡量）最小。选择合适的属性进行分裂是至关重要的，因为它直接影响到决策树的性能和准确性。

2. **如何停止分裂过程?**
决策树的分裂过程不能无限进行，否则会导致过拟合。ID3算法需要设定停止分裂的条件，这些条件可能包括：
- 所有记录都属于同一类。
- 没有更多的属性可以分裂。
- 达到预设的树深度限制。
- 分裂后的子集的记录数低于某个阈值。
这些条件帮助控制决策树的复杂度，避免过拟合，提高模型的泛化能力。

选项B（概率为0的问题）和选项D（数值型字段离散化）虽然在某些情况下也是需要考虑的问题，但它们不是ID3算法必须解决的核心问题。ID3算法主要关注如何有效地分裂数据集和何时停止分裂。