Uma equipe construirá um detector binário de fraude usando apenas dois recursos: idade da conta e mês da transação. As distribuições de classe (mostradas) sugerem certa separabilidade. Qual modelo provavelmente alcançará a maior precisão?

A Máquina de Vetores de Suporte (SVM) com um kernel não linear é a melhor escolha porque os dados, embora separáveis, não são linearmente separáveis, como indicado pelas distribuições de classe. Um kernel não linear permite que a SVM encontre um hiperplano de separação em um espaço de dimensão superior, capturando relações complexas entre os recursos. A Regressão Logística e o Perceptron de camada única com ativação tanh são modelos lineares que teriam dificuldade em separar classes não linearmente separáveis, resultando em menor precisão. Uma Rede Neural LSTM é excessivamente complexa para apenas dois recursos numéricos e é mais adequada para dados sequenciais, não sendo eficiente para este caso.