Una empresa necesita clasificar el comportamiento del usuario como fraudulento o normal utilizando dos características: antigüedad de la cuenta (x) y mes de la transacción (y). La distribución de clases graficada muestra un patrón donde las clases no son linealmente separables. ¿Qué modelo logrará la MAYOR precisión de clasificación?

La Máquina de Vectores de Soporte (SVM) con un kernel RBF es la mejor opción porque puede manejar eficazmente datos no linealmente separables. El kernel RBF transforma los datos a un espacio de mayor dimensión donde las clases pueden ser linealmente separables, permitiendo que la SVM encuentre un hiperplano óptimo. Un SVM lineal solo puede encontrar un límite de decisión lineal, lo que no es adecuado para este escenario. Un árbol de decisión podría funcionar, pero una SVM con kernel RBF a menudo ofrece mejor generalización y robustez en problemas de clasificación complejos. Un perceptrón de una sola capa es un clasificador lineal y no sería efectivo para datos no linealmente separables.