Une équipe va créer un détecteur de fraude binaire en utilisant seulement deux caractéristiques : l'âge du compte et le mois de la transaction. Les distributions de classes (illustrées) suggèrent une certaine séparabilité. Quel modèle est susceptible d'atteindre la plus grande précision ?

Le SVM avec un noyau non linéaire est le plus approprié car il excelle dans la séparation de données non linéairement séparables en transformant l'espace des caractéristiques. Les distributions de classes suggèrent une frontière de décision complexe, ce qu'un noyau non linéaire peut gérer efficacement. La régression logistique et le perceptron monocouche sont des classificateurs linéaires et ne pourraient pas capturer cette complexité. Les réseaux LSTM sont conçus pour les données séquentielles et ne sont pas adaptés à ce problème de classification binaire basé sur des caractéristiques statiques.