Une entreprise doit classer le comportement des utilisateurs comme frauduleux ou normal en utilisant deux caractéristiques : l'âge du compte (x) et le mois de la transaction (y). La distribution des classes tracée montre un modèle où les classes ne sont pas séparables linéairement. Quel modèle permettra d'obtenir la PLUS GRANDE précision de classification ?

Le SVM avec un noyau RBF est le plus approprié car il peut gérer des données non linéairement séparables en projetant les données dans un espace de dimension supérieure où elles peuvent être séparées linéairement. L'arbre de décision est une option viable pour les données non linéaires, mais un SVM RBF est souvent plus robuste et généralise mieux. Un SVM linéaire ne fonctionnerait pas car les classes ne sont pas séparables linéairement. Un perceptron monocouche avec activation Tanh est un classifieur linéaire et ne peut pas séparer efficacement des données non linéaires.