Mając dwucechowy zbiór danych (wiek konta i miesiąc transakcji) do etykietowania zachowań jako oszukańczych lub normalnych, który z poniższych modeli najprawdopodobniej osiągnie najwyższą wartość recall dla klasy oszukańczej?

Drzewa decyzyjne mogą tworzyć złożone, nieliniowe granice decyzyjne, co jest kluczowe w przypadku niezbalansowanych danych, gdzie klasa mniejszościowa (oszustwa) może być trudna do wykrycia. Dzięki temu model może skuteczniej identyfikować rzadkie przypadki oszustw, zwiększając recall. Liniowe SVM, naiwny Bayes i pojedynczy perceptron z aktywacją sigmoidalną są modelami liniowymi lub quasi-liniowymi, które mogą mieć trudności z uchwyceniem subtelnych wzorców w niezbalansowanych danych, co prowadziłoby do niższego recall dla klasy oszukańczej.