决策树是非距离类算法

正确答案是：A: 决策树

**专业分析：**

1. **决策树（Decision Tree）**：
决策树模型的工作原理是通过递归地分割数据集来创建一个树状结构，以便对数据进行分类或回归。它基于特征的值进行决策，分割点的选择仅依赖于特征值的相对大小，而不是其绝对值。因此，决策树对数据是否标准化不敏感。

2. **KNN（K-Nearest Neighbors）**：
KNN算法是基于距离度量的分类或回归方法。它通过计算数据点之间的欧氏距离（或其他距离度量）来确定最近的邻居。因此，特征值的尺度会直接影响距离计算的结果，数据标准化对于KNN是非常重要的。

3. **K-Means**：
K-Means聚类算法也是基于距离度量的算法，它通过最小化簇内的平方和误差来进行聚类。特征值的尺度会影响距离计算，从而影响聚类结果。因此，K-Means对数据标准化是敏感的。

4. **SVM（Support Vector Machine）**：
支持向量机通过最大化分类边界的间隔来进行分类。它使用内积或核函数计算样本点之间的相似性，特征值的尺度会影响内积的计算结果。因此，SVM对数据标准化也是敏感的。

综上所述，决策树是对变量是否标准化不敏感的模型。