利用相同数据元素类别信息进行分类的问题。

可以使用 Python 中的 scikit-learn 库实现。具体步骤如下：

1. 导入需要使用的库和数据集。

import sklearn.datasets as datasets
from sklearn.model_selection import train_test_split
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import accuracy_score

iris = datasets.load_iris()  # 加载 iris 数据集
X, y = iris.data, iris.target  # 提取数据和标签

2. 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, random_state=42)

3. 定义决策树分类器并训练模型。

clf = DecisionTreeClassifier()  # 定义决策树分类器
clf.fit(X_train[:, 2:], y_train)  # 训练模型

4. 预测测试集并计算准确率。

y_pred = clf.predict(X_test[:, 2:])  # 预测测试集
acc = accuracy_score(y_test, y_pred)  # 计算准确率
print("准确率：", acc)

其中，X_train[:, 2:] 表示训练集中取第三列及以后的所有特征，因为 iris 数据集中前两列为花萼的长度和宽度，与问题无关。同理，X_test[:, 2:] 表示测试集中取第三列及以后的所有特征。