Un team costruirà un rilevatore di frodi binario utilizzando solo due feature: l'età dell'account e il mese della transazione. Le distribuzioni delle classi (mostrate) suggeriscono una certa separabilità. Quale modello è probabile che raggiunga la massima accuratezza?

Una Support Vector Machine (SVM) con un kernel non lineare è la scelta migliore perché le distribuzioni delle classi mostrano una separabilità non lineare. Un kernel non lineare consente all'SVM di trovare un confine di decisione complesso che può separare efficacemente le classi in uno spazio di dimensione superiore, massimizzando il margine tra di esse. La regressione logistica e il percettrone a strato singolo sono modelli lineari e non sarebbero in grado di catturare la relazione non lineare tra le feature e le classi. Una rete LSTM è progettata per dati sequenziali e non è appropriata per questo problema con solo due feature statiche.