我想建立一个模型来支持贷款保险提案的决策。

问题中涉及三个角色：银行、贷款申请人（要求贷款的人）和顾问。辅导员研究贷款人的申请，如果它有良好的个人资料，它将向他建议从符合他个人资料的银行贷款。然后申请被发送到银行，但银行可以拒绝申请人（基于我们不知道的标准）。

顾问还必须决定他是否会向贷款申请人建议贷款保险。

风险在于，一些银行拒绝接受贷款保险的贷款申请人，而其他银行则接受更多有贷款保险的申请人。但是没有关于银行的规定，因为一些银行根据例如收购申请人想要的贷款类型来接受或拒绝有贷款保险的申请人。

因此，申请人的个人资料可能会影响他们被银行拒绝，但影响决定的所有标准都非常不确定。

我在网上进行了研究，发现了几篇关于使用蒙特卡洛进行决策的学术文章。对于这个决策问题，我应该使用 Monte Carlo 还是简单的分类器？

我看到蒙特卡洛（可能是蒙特卡洛树搜索）可以用于决策制定，当存在不确定性时它很好。但似乎它会通过制定一些策略来预测（在运行大量模拟之后），但我想要的是基于贷款申请人的个人资料和银行知道银行标准的结果（接受来自可能的贷款申请人）每六个月更换一次。而且我也会有模型银行，这似乎很困难。

在我看来，分类器并不真正适合这个问题。我不太确定。实际上，我看不出像决策树这样的分类器在这里是如何工作的。因为我必须根据银行（我不知道他们的标准）拒绝或接受提出贷款保险并接受的申请人的决定来预测顾问的决定是否提出。

我拥有的数据是发送给银行的前申请人资料，他们是否被银行接受，是否需要贷款保险以及他们想用贷款进行的收购类型。

我是决策的新手。谢谢！