Студенты Калифорнийского технологического института использовали машинное обучение для анализа выборов 2020 года в США, чтобы выяснить, что мотивирует избирателей голосовать за одного кандидата против другого. Результаты исследования могут стать отправной точкой для использования квантовых компьютеров в политическом анализе.
Выборы - это время для размышления, и после них эксперты анализируют результаты, пытаясь понять, что мотивировало избирателей. В Калифорнийском технологическом институте студентка информатики Сриманти Дей вместе с профессором Майклом Альваресом решила использовать машинное обучение для этой цели. Они собрали данные о выборах 2020 года в США, когда Дональд Трамп проиграл Джо Байдену, и попытались выяснить, что в действительности мотивировало людей голосовать за одного кандидата против другого.
Дей и Альварес использовали алгоритм Fuzzy Forest, который позволяет сокращать большие объемы данных до наиболее важных факторов. Это помогает уменьшить количество информации, которую нужно анализировать, и устранить субъективное влияние исследователя. Таким образом, они смогли выявить ключевые мотивирующие факторы избирателей без существенных искажений.
Это исследование может стать отправной точкой для использования квантовых компьютеров в политическом анализе. Ведь квантовые компьютеры могут значительно ускорить процесс анализа и предоставить еще более точные результаты. В перспективе это может дать политикам и аналитикам больше возможностей для прогнозирования исходов выборов, а также улучшить понимание предпочтений избирателей для формирования политических программ.
