Een bedrijf moet gebruikersgedrag classificeren als frauduleus of normaal met behulp van twee kenmerken: accountleeftijd (x) en transactiemaand (y). De geplotte klassendistributie toont een patroon waarbij de klassen niet lineair scheidbaar zijn. Welk model zal de HOOGSTE classificatienauwkeurigheid bereiken?

De vraag stelt dat de klassen niet lineair scheidbaar zijn. Een SVM met een Radial Basis Function (RBF) kernel is uitermate geschikt voor niet-lineair scheidbare data, omdat het de data effectief projecteert naar een hogere dimensie waar ze wel lineair scheidbaar kunnen zijn. Een Lineaire SVM is ongeschikt omdat deze alleen lineaire scheidingsvlakken kan vinden. Een Beslissingsboom kan niet-lineaire grenzen creëren, maar is vaak minder robuust en kan overfitten bij complexe patronen vergeleken met een RBF SVM. Een Single-layer perceptron met een Tanh-activatie is ook beperkt tot lineaire scheidingen, tenzij er meerdere lagen zijn (wat het een neuraal netwerk maakt).