Привет еще раз! Мой интернет вчера необъяснимым образом барахлил, и у меня не было возможности написать немного о откровении, которое я получил! Последние пару дней я собирал данные для проекта с помощью InCahoots и нашел новый подход к этому с помощью прогнозной аналитики. Это не обязательно ново или ново для меня, но иногда, когда вы начинаете работать над проектом, вы можете оставаться настолько непреклонным в том, чтобы придерживаться одного пути, что забываете, что есть много точек..

Этот рассказ — вторая часть моих руководств по городскому здоровью. В этой истории мы будем прогнозировать отсутствие продовольственной безопасности в развивающихся странах, используя различные методы машинного обучения. Вы можете найти часть 1 здесь: https://towardsdatascience.com/healthiest-cities-in-the-us-part-1-food-62b9724467e8 Инструменты и данные Python, Jupyter Notebooks, Sklearn, Pandas, Numpy, Seaborn, Scipy Данные: https://data.humdata.org/dataset Набор данных..

У вас есть друзья, которые не едят ни в одном ресторане, кроме своего любимого? Что ж, если вы когда-нибудь задавались вопросом, возможно, у вашего друга есть ответ, идите и спросите его. А как насчет того маленького местного ресторана, который всегда переполнен, в то время как в больших ресторанах вокруг него нет посетителей? Теперь это любопытство, которое трудно удовлетворить. Толпы не могут отвечать на ваши вопросы, как это делает ваш друг, вы не можете задать им случайный вопрос..