针对恐怖主义袭击事件多发而难以找到相关恐怖分子的问题,提出了一种基于机器学习方法的预测模型,该模型使用恐怖袭击事件多方面特征对一个或多个恐怖事件嫌疑人进行预测。对所使用的数据进行预处理,通过四种分类算法(包括bagging分类器、DecisionTree(DT)、RandomForest(RF)和全连接神经网络(FCNN))对恐怖事件制造者进行预测,并对各个分类算法中的参数进行寻优,通过评价指标对结果进行多方面的评价,得到最佳的预测模型。实验结果表明,在对最有可能的一个嫌疑人进行预测时,基于树的分类器预测结果普遍较好,其中bagging分类器的预测准确率最高,高达90%;使用全连接神经网络对多个恐怖事件嫌疑人进行预测时,可以得到若干个可能性较大的嫌疑人,其预测准确率为82%。