某團隊將僅使用兩個特徵（帳戶年齡和交易月份）來建置二元詐欺偵測器。類別分佈（如圖所示）表明存在一定的可分離性。哪種模型最有可能實現最高的準確度？

由於資料僅有兩個特徵，且類別分佈圖顯示存在一定的可分離性，支援向量機 (SVM) 搭配非線性核心（例如 RBF 核心）是最佳選擇。SVM 擅長在高維度空間中找到最佳決策邊界，即使在低維度下也能有效處理非線性可分離的資料。 羅吉斯迴歸是線性模型，可能無法有效捕捉資料中的非線性關係。長短期記憶 (LSTM) 網路主要用於序列資料，對於僅有兩個靜態特徵的資料集來說過於複雜且不適用。單層感知器是簡單的線性分類器，其能力有限，無法處理非線性可分離的資料。