Een team gaat een binaire fraudedetector bouwen met slechts twee features: accountleeftijd en transactiemaand. De klasse-distributies (weergegeven) suggereren een zekere scheidbaarheid. Welk model zal waarschijnlijk de hoogste nauwkeurigheid behalen?

Een SVM met een niet-lineaire kernel is waarschijnlijk het beste, omdat de klasse-distributies scheidbaar zijn maar niet lineair. Een niet-lineaire kernel kan complexe, niet-lineaire scheidingsvlakken creëren die beter passen bij de data dan een lineair model. Logistische regressie en een single-layer perceptron zijn lineaire modellen en zouden minder goed presteren bij niet-lineaire scheidbaarheid. Een LSTM is ontworpen voor sequentiële data en is overkill en inefficiënt voor slechts twee niet-sequentiële features.