Étant donné un jeu de données à deux caractéristiques (ancienneté du compte et mois de la transaction) pour étiqueter un comportement comme frauduleux ou normal, lequel des modèles suivants est le plus susceptible d'atteindre le rappel le plus élevé pour la classe frauduleuse ?

Un arbre de décision est le plus susceptible d'atteindre le rappel le plus élevé pour la classe frauduleuse. Les arbres de décision peuvent capturer des relations non linéaires complexes et sont efficaces pour identifier des modèles spécifiques à la classe minoritaire (fraude), même avec un déséquilibre de classe. Ils peuvent créer des frontières de décision irrégulières qui isolent les cas frauduleux. Les SVM linéaires sont limités aux séparations linéaires, ce qui pourrait ne pas suffire pour la fraude. Le classifieur Naive Bayes suppose l'indépendance des caractéristiques, ce qui est rarement vrai en pratique et peut nuire aux performances. Un perceptron unique est un modèle linéaire simple, similaire au SVM linéaire, et ne peut pas capturer les complexités nécessaires pour une détection de fraude efficace.