我有一个由人口普查数据（年龄，性别，就业类型，种族，教育程度等）组成的数据集。我的任务是编写一个算法，预测数据点（30，男性，白人等）的年收入是否超过5万美元。
到目前为止，我实施了一个运行30个小时的KNN算法，但测试数据的准确率达到了约90％。我希望使用SVM算法或Naive Bayes或其他任何可能在这里工作的东西来获得更高的准确性。
我正在寻找一种在python中实现相对简单（与KNN一样难）的算法，并且很可能实现良好的准确性。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以进行比较？
很难说先验哪种算法会表现得更好。通常，对于传统的分类任务，例如你的，随机森林，梯度提升机器和SVM通常会给出最好的结果。
我不知道你的意思是通过寻找一个“相对简单的实现”的算法，但是如果你使用scikit-learn，已经实现了很多算法并且适合一行或两行代码，所以你可以尝试所有！