給定一個雙特徵資料集（帳戶年齡和交易月份），用於將行為標記為詐欺或正常，下列哪個模型最有可能在詐欺類別中實現最高的召回率？

決策樹最有可能在詐欺類別中實現最高的召回率，因為它能夠捕捉非線性關係和複雜的決策邊界，這對於識別詐欺行為通常很重要。詐欺模式往往不遵循簡單的線性關係，而是涉及多個特徵的組合判斷。決策樹可以透過一系列的條件判斷來隔離少數詐欺樣本，即使這些樣本在整體資料集中佔比很小（類別不平衡問題），也能有效地將其分類。 線性支持向量機、樸素貝氏分類器和單層感知器（帶有 Sigmoid 激活函數）都是線性或近似線性的模型。它們在處理具有清晰線性可分離邊界的資料時表現良好，但對於詐欺檢測中常見的複雜、非線性模式，其性能可能不如決策樹，導致召回率較低，因為它們難以精確地將所有詐欺樣本從正常樣本中區分出來。