Zespół zbuduje binarny detektor oszustw, używając tylko dwóch cech: wieku konta i miesiąca transakcji. Rozkłady klas (pokazane) sugerują pewną separowalność. Który model prawdopodobnie osiągnie najwyższą dokładność?

SVM z nieliniowym jądrem jest najlepszym wyborem, ponieważ problem jest binarną klasyfikacją z dwiema cechami, a rozkłady klas sugerują nieliniową separowalność. Nieliniowe jądro (np. RBF) pozwala SVM znaleźć złożone granice decyzyjne, które lepiej oddzielają klasy niż granica liniowa. Regresja logistyczna i perceptron jednowarstwowy z aktywacją tanh są modelami liniowymi, które nie poradzą sobie dobrze z nieliniowo separowalnymi danymi. LSTM są przeznaczone do danych sekwencyjnych i nie są odpowiednie dla tego typu problemu klasyfikacji.