我正在尝试构建和训练一个机器学习数据科学算法，以正确预测哪个总统在哪个县获胜。我有以下信息作为训练数据。

总人口 中位年龄 学士学位或更高百分比 失业率 人均收入 总户数 平均家庭规模 自有住房百分比 租赁住房百分比 空置住房百分比 房屋中位数 人口增长 家庭增长 人均收入增长 获胜者

我是数据科学的新手。我知道朴素贝叶斯是用于尝试预测多个属性的算法的一个好分类器。然而，我读到朴素贝叶斯分类器的第一步需要一个频率表。我的问题是上述所有属性都是连续的数值属性，不属于“是”或“不是”类别。那么我就不使用朴素贝叶斯分类器了吗？

我也考虑使用k最近邻算法，但看起来这不会是最准确的，也不会为我正确加权属性…我正在寻找一个监督算法，因为我有训练数据。谁能给我推荐使用什么算法？此外，作为这个领域的新手，我将来如何自己找出应该使用什么算法呢？

回答：

你可以使用人工神经网络。

论文

• 使用双层感知器网络预测选举结果 作者：G. S. Gill
• 《使用自组织映射分析2008年美国总统选举中的人口统计和摇摆州投票》 作者：Paul T. Pearson 和 Cameron I. Cooper

工具 / 库

要创建、训练、测试和评估神经网络，你可以使用几个库：

• Google TensorFlow（Python 和 C++）
• Lasagne（Python）