한 회사에서 두 가지 특징(계정 사용 기간(x) 및 거래 월(y))을 사용하여 사용자 행동을 사기 또는 정상으로 분류해야 합니다. 플로팅된 클래스 분포는 클래스가 선형적으로 분리할 수 없는 패턴을 보여줍니다. 어떤 모델이 가장 높은 분류 정확도를 달성할까요?

클래스가 선형적으로 분리할 수 없는 패턴을 보일 때, RBF 커널을 사용하는 SVM은 데이터를 고차원 공간으로 매핑하여 선형 분리가 가능하도록 만듭니다. 이는 비선형 경계를 효과적으로 학습하여 높은 분류 정확도를 달성할 수 있게 합니다. 선형 SVM은 선형적으로 분리 가능한 데이터에 적합하며, 비선형 패턴에는 성능이 떨어집니다. 결정 트리는 비선형 관계를 처리할 수 있지만, RBF SVM만큼 복잡한 비선형 패턴에 대해 항상 최적의 성능을 보장하지는 않습니다. Tanh 활성화 함수를 가진 단일 계층 퍼셉트론은 기본적으로 선형 분류기이므로, 비선형적으로 분리할 수 없는 데이터에는 적합하지 않습니다.