解析:
答：对于user-product-rating数据，als会建⽴⼀个稀疏的评分矩阵，其⽬的就是通过⼀定的规则填满这个稀疏矩阵。
als会对稀疏矩阵进⾏分解，分为⽤⼾-特征值，产品-特征值，⼀个⽤⼾对⼀个产品的评分可以由这两个矩阵相乘得到。
通过固定⼀个未知的特征值，计算另外⼀个特征值，然后交替反复进⾏最⼩⼆乘法，直⾄差平⽅和最⼩，即可得想要的矩阵。
解析:
随机初始化中⼼点范围，计算各个类别的平均值得到新的中⼼点。
重新计算各个点到中⼼值的距离划分，再次计算平均值得到新的中⼼点，直⾄各个类别数据平均值⽆变化。
解析:
根据两个阈值来划分数据，以随机的⼀个数据点作为canopy中⼼。
计算其他数据点到其的距离，划⼊t1、t2中，划⼊t2的从数据集中删除，划⼊t1的其他数据点继续计算，直⾄数据集中⽆数据。
解析:
对于待分类的数据和分类项，根据待分类数据的各个特征属性，出现在各个分类项中的概率判断该数据是属于哪个类别的。
解析:
⼀个频繁项集的⼦集也是频繁项集，针对数据得出每个产品的⽀持数列表，过滤⽀持数⼩于预设值的项，对剩下的项进⾏全排列，重新计算⽀持数，再次过滤，重复⾄全排列结束，可得到
频繁项和对应的⽀持数。
-------------------
---------------------------------------------------------------------------------------------------------------------
⾯试的时候这样的题⽬给你，你会不会说，fuck~，怎么这么变态，经常写代码的⼈，看到这个应该会很⾯熟。究竟什么样的题⽬这么变态，解答如下，仅供参考学习
