Utilizzando i dati delle scelte assembleari 2019, presentiamo un processo basato sul Feature Engineering e una serie di algoritmi di apprendimento automatico per valutare e confrontare le prestazioni accedendo allo stesso set di dati. I principi generali, quindi, non solo aiuteranno gli analisti e gli intelligenti a presentare le loro predizioni in modo più frequente ed efficace, ma consentiranno anche ai lettori, a seconda della loro posizione di interesse e del loro impegno comune, di andare oltre ciò che viene presentato e di scoprire nuove predizioni per se stessi.