Ein Team wird einen binären Betrugsdetektor entwickeln, der nur zwei Merkmale verwendet: Kontoalter und Transaktionsmonat. Die (gezeigten) Klassenverteilungen deuten auf eine gewisse Trennbarkeit hin. Welches Modell wird voraussichtlich die höchste Genauigkeit erzielen?

Eine Support Vector Machine (SVM) mit einem nicht-linearen Kernel ist hier die beste Wahl, da sie gut geeignet ist, um nicht-lineare Entscheidungsgrenzen zu finden, die die beiden Klassen (Betrug/kein Betrug) trennen können, selbst wenn die Daten nicht linear separierbar sind. Die gezeigten Klassenverteilungen deuten auf eine gewisse Trennbarkeit hin, aber nicht unbedingt auf eine lineare. Logistische Regression ist ein lineares Modell und könnte die Komplexität der Daten nicht erfassen. Ein einschichtiges Perzeptron ist ebenfalls ein lineares Modell. Ein LSTM-Netzwerk ist für sequentielle Daten konzipiert und wäre für diese Art von statischen, zweidimensionalen Daten überdimensioniert und ineffizient.