Gegeven een dataset met twee kenmerken (accountleeftijd en transactiemaand) voor het labelen van gedrag als frauduleus of normaal, welk van de volgende modellen zal waarschijnlijk de hoogste recall voor de frauduleuze klasse bereiken?

Een Decision Tree is waarschijnlijk het meest geschikt omdat het niet-lineaire relaties en interacties tussen kenmerken kan vastleggen, wat vaak voorkomt bij fraudedetectie. Het kan complexe beslissingsgrenzen creëren die de frauduleuze klasse effectief isoleren, wat cruciaal is voor hoge recall. Lineaire SVM en een single perceptron zijn lineaire modellen en zouden moeite hebben met het scheiden van klassen als de relatie tussen accountleeftijd en transactiemaand niet lineair is. Naive Bayes gaat uit van onafhankelijkheid van kenmerken, wat zelden waar is in fraudedetectie en de prestaties kan verminderen.