哪种算法适用于处理分类问题？（）A. 决策树算法B. 主成分分析算法C. 支持向量机算法D. K-means算法

分类问题的核心在于根据输入特征预测离散的类别标签。本题需判断哪些算法属于分类算法。关键点在于：

1. 决策树算法（A）：通过树状结构递归划分特征空间，直接用于分类。
2. 支持向量机算法（C）：通过寻找最优超平面实现类别间隔最大化，是经典的分类算法。
3. 主成分分析算法（B）：属于降维技术，用于数据预处理，非分类。
4. K-means算法（D）：属于无监督学习中的聚类算法，用于划分无标签数据。

选项分析

A. 决策树算法

• 分类能力：决策树通过特征递归分割，生成树状决策规则，直接输出类别预测。
• 典型应用：如判断客户是否违约、邮件是否为垃圾邮件。

B. 主成分分析算法

• 降维用途：通过正交变换将数据转化为主成分，减少特征维度，常用于数据压缩或可视化。
• 非分类算法：无法直接输出类别标签。

C. 支持向量机算法

• 分类机制：通过最大化类别间隔的超平面划分数据，适用于二分类和多分类问题。
• 典型应用：如手写数字识别、文本分类。

D. K-means算法

• 聚类功能：将无标签数据划分为K个簇，属于无监督学习。
• 非分类用途：需数据无类别标签，与分类问题本质不同。