【发布时间】：2019-09-19 17:47:57
【问题描述】：
我有一个由人口普查数据（年龄、性别、就业类型、种族、教育水平等）组成的数据集。我的任务是编写一个算法来预测一个数据点（30 岁、男性、白人等）的年总收入是否超过 5 万美元。
到目前为止，我实现了一个运行 30 小时的 KNN 算法，但在测试数据上达到了 ~90% 的准确度。我希望使用 SVM 算法、朴素贝叶斯或其他任何可能在这里工作的方法来实现更高的准确度。
我正在寻找一种在 python 中实现起来相对简单（与 KNN 一样难）的算法，并且可能会达到良好的准确性。在这种情况下，最好的选择是什么？如果 KNN 是最佳选择，哪种算法最容易实现比较？
【问题讨论】：
-
如果预测是连续的，为什么不尝试回归？
-
我只需要预测它是否高于或低于50k，而不是给出估计，因此可以将其视为分类问题。另外，我的测试数据收入为“50k”
-
你总是可以尝试简单的 NN 和 Keras。这是一个快速入门帖子here
-
试试
Random Forrest和Ensemble methods
标签： python machine-learning svm knn