Un equipo construirá un detector binario de fraude utilizando solo dos características: la antigüedad de la cuenta y el mes de la transacción. Las distribuciones de clases (mostradas) sugieren cierta separabilidad. ¿Qué modelo es probable que logre la mayor precisión?

Una Máquina de Vectores de Soporte (SVM) con un kernel no lineal es la mejor opción porque los datos son bidimensionales y las distribuciones de clases sugieren cierta separabilidad, pero no lineal. Un kernel no lineal (como el RBF) permite a la SVM encontrar un hiperplano de separación en un espacio de mayor dimensión, lo que es ideal para límites de decisión complejos. Una red LSTM es para datos secuenciales, no para características tabulares estáticas. La regresión logística y el perceptrón de una sola capa solo pueden encontrar límites de decisión lineales, lo que no sería óptimo para datos no linealmente separables.