한 팀이 계정 사용 기간과 거래 월이라는 두 가지 특징만을 사용하여 이진 사기 탐지기를 구축할 것입니다. 클래스 분포(표시됨)는 특정 분리 가능성을 시사합니다. 어떤 모델이 가장 높은 정확도를 달성할 가능성이 높습니까?

비선형 커널이 있는 SVM은 두 개의 특징만으로도 클래스 분포가 명확하게 분리될 수 있는 경우 효과적입니다. SVM은 결정 경계를 찾아 두 클래스를 최적으로 분리하며, 비선형 커널은 선형적으로 분리할 수 없는 복잡한 패턴을 처리할 수 있습니다. LSTM은 시계열 데이터에 적합하며, 여기서는 시계열 데이터가 아니므로 비효율적입니다. 로지스틱 회귀는 선형 분류 모델이므로 비선형 분리에는 한계가 있습니다. 단일 계층 퍼셉트론도 선형 분류에 가깝고, 복잡한 비선형 패턴을 학습하기 어렵습니다.