某公司需要使用兩個特徵來將使用者行為分類為詐欺或正常：帳戶年齡 (x) 和交易月份 (y)。繪製出的類別分佈圖顯示，這些類別並非線性可分離。哪種模型將實現最高的分類準確度？

當資料非線性可分離時，線性模型（如線性 SVM 和單層感知器）無法有效劃分不同類別。決策樹雖然可以處理非線性資料，但在複雜的非線性邊界上可能表現不如核方法。帶有徑向基函數 (RBF) 核心的 SVM 能夠將原始特徵空間映射到高維空間，從而在高維空間中找到一個線性可分離的超平面。RBF 核心特別擅長處理非線性可分離的資料集，使其成為此情境下實現最高分類準確度的最佳選擇。