Firma musi klasyfikować zachowania użytkowników jako oszukańcze lub normalne, używając dwóch cech: wieku konta (x) i miesiąca transakcji (y). Rozkład klas na wykresie pokazuje wzorzec, w którym klasy nie są liniowo separowalne. Który model osiągnie NAJWYŻSZĄ dokładność klasyfikacji?

Ponieważ klasy nie są liniowo separowalne, liniowe modele klasyfikacji, takie jak liniowa maszyna SVM i perceptron jednowarstwowy, nie będą w stanie skutecznie rozdzielić danych, co skutkuje niską dokładnością. Drzewo decyzyjne może być skuteczne, ale często jest podatne na przeuczenie (overfitting) i może nie osiągnąć tak wysokiej dokładności jak SVM z jądrem RBF w przypadku złożonych, nieliniowych granic decyzyjnych. Maszyna SVM z jądrem RBF jest idealna do tego typu problemów, ponieważ potrafi mapować dane do przestrzeni o wyższym wymiarze, gdzie stają się liniowo separowalne, co pozwala na znalezienie optymalnej, nieliniowej granicy decyzyjnej i osiągnięcie najwyższej dokładności.