Bir firma, kullanıcı davranışını iki özelliği kullanarak hileli veya normal olarak sınıflandırmak istiyor: hesap yaşı (x) ve işlem ayı (y). Çizilen sınıf dağılımı, sınıfların doğrusal olarak ayrılabilir olmadığını gösteren bir örüntü sergiliyor. HANGİ model EN YÜKSEK sınıflandırma doğruluğunu elde eder?

Sınıf dağılımı doğrusal olarak ayrılabilir olmadığında, doğrusal olmayan bir sınır çizebilen modeller daha yüksek doğruluk sağlar. RBF çekirdekli SVM, verileri daha yüksek boyutlu bir uzaya eşleyerek doğrusal olmayan sınıflandırma sınırları oluşturabilir ve bu tür karmaşık örüntüleri etkili bir şekilde ayırabilir. Doğrusal SVM, yalnızca doğrusal olarak ayrılabilir veriler için uygundur. Karar ağaçları doğrusal olmayan sınırlar çizebilse de, RBF SVM genellikle daha karmaşık ve pürüzsüz sınırlar oluşturma yeteneğine sahiptir. Tanh aktivasyonlu tek katmanlı bir perceptron da doğrusal olmayan sınırlar oluşturabilir, ancak genellikle RBF SVM kadar esnek veya güçlü değildir ve daha derin ağlar veya farklı aktivasyon fonksiyonları gerektirebilir.