原文：https://towardsdatascience.com/identifying-restaurant-hotspots-with-a-gaussian-mixture-model-2a840ab0c782

使用 GMM 识别加拿大多伦多的直观餐厅集群（附 Python 代码）

聚类算法（例如 GMM）是一种有用的工具，可帮助识别数据中的模式。它们使我们能够识别数据集中的子组，从而提高你的理解或增强预测模型。在本文中，借助 GMM，我们将尝试使用位置数据识别多伦多的餐厅集群。目标是找到在地理上合理但在其他特征（例如餐厅评级）方面具有不同特征的集群。我们将讨论关键代码，你可以在GitHub¹上找到完整的项目。

原文：The Power of Feature Engineering

为什么你应该使用逻辑回归来建模非线性决策边界（使用 Python 代码）

作为一名大数据从业者，复杂的机器学习技术非常具有吸引力。使用一些深度神经网络 (DNN) 获得额外的 1% 准确率，并在此过程中启动 GPU 实例，这让人非常满意。然而，这些技术通常将思考留给计算机，让我们对模型的工作原理了解甚少。所以，我想回到基础知识。