决策树适合下列哪种类型的决策？（）A.确定型决策 B.非确定型决策 C.风险型决策

决策树适合下列哪种类型的决策？（）A.确定型决策 B.非确定型决策 C.风险型决策

决策树最适合解决风险型决策问题（答案：C）。这类决策的核心特征是：未来存在多种自然状态（如市场需求高/低、天气好/坏），且每种状态的发生概率可以预估。决策树通过图形化方式将各方案、可能结果及其概率系统地呈现，帮助计算期望损益值并选择最优路径。

例如，某建筑公司需在“保障水泥供应”和“保障钢材供应”中选择，已知两种材料供应的概率及对应的收益/亏损。通过构建决策树，先计算各方案的期望损益值（如保障钢材供应的期望值为50×0.6+(-25)×0.4=20万元），再比较选择最优方案。这种方法在信贷风控、项目投资等场景中广泛应用，例如银行通过决策树评估贷款违约概率，结合客户特征与历史数据预测不同还款状态的可能性。

相比之下，确定型决策（A）因结果唯一，无需概率分析；非确定型决策（B）因概率未知，难以通过期望损益值量化比较。决策树的概率枝和状态节点设计，使其天然适配风险型决策的量化需求。

思考：在AI算法普及的今天，传统决策树与随机森林、XGBoost等集成模型相比，在风险决策场景中是否仍有不可替代的优势？