决策树算法具有以下哪个优点?()A. 对噪声数据具有鲁棒性B. 支持高维数据集C. 可解释性强D. 不受特征缩放的影响

决策树算法是一种监督学习方法，它通过递归地将数据集分割成子集来构建一个树形结构。每个内部节点代表一个特征或属性上的测试，每个分支代表一个测试结果，每个叶节点代表一个类别或决策。决策树算法的一个显著优点是其可解释性强，即模型的决策过程可以被直观地理解，因为每个决策路径都是基于一系列明确的规则。相比之下，其他选项如对噪声数据的鲁棒性、支持高维数据集和不受特征缩放的影响，虽然在某些情况下也是决策树的优点，但它们并不是决策树算法最突出的特点。