为女性分类到底该如何做？举个例子：女主播性格气质：温柔 任性 小女生 软妹子 学生 爱笑 开朗乐观 文艺 绿茶 卖萌 装嗲 高冷 大气 气质 氧气 治愈 安静 直爽 愁容 精灵 性格好 爱聊天 爱唱歌 低俗 逗比 小嗨妹 霸气年龄：年轻 小主播 学生特殊属性： 模特 书法 和服超美画风 学舞蹈 学音乐复合属性：甜时尚 长发温柔 国民 萝莉 邻家妹妹 萌妹子 校园女神 大妞 御姐 女王 淑女 女汉子直播属性：新人 照片漂亮 镜头感不好 一般般 新主播外表：学生模样 肉感 嫩 白 傻白嫩 甜美 可爱 秀气甜美 清秀 清纯 标志 高颜值 萌萌哒 魅惑 性感 （长的很）脸等具体： 锥子脸 婴儿肥 马尾 可爱圆脸 化妆甜美 可爱妆 小脸 素颜 […]

最近经常有各种各样的千万大奖得主的新闻，评论全部都是不信任，当然我也不信任，如果做成开源程序，事情会向哪个方向发展？类似于安卓系统的开源，世界各地的程序员都可以查看，修改，会有什么后果？包括不限于中国，美国等等。

这里默认用欧氏距离评价点的相似度。这些聚类算法对数据点的划分是符合“人类直觉”的，如上图的数据集会被划分成一大一小两个簇，但是对于橙色点A及其周围的点而言，它们虽然属于黑色簇，但是平均而言和绿色簇中的点更为相似，对黑色簇整体提取特征的话，结果也会和A的特征大相径庭。此时聚类结果的意义是什么？

个人认为聚类的思想与社团发现的思想应该基本一致，但具体实现的时候不知道有何区别，如果没有区别又为何要提两个不同的概念？

国内某流985经济学水本，上学期做学期论文的时候，在预设问题的时候，用了ordered probit的计量方法做了一个回归问题，解释力还不错。同样的数据集，我在做数据挖掘课的时候用随机森林算法跑了一下，两者结果高度相似（当然y都是指向了同一个变量。）因为我水平有限，无论是算法和回归方法对我来说都是一个黑盒子，这都是我以后要加强的。方法都是边Google边stackflow边看书边模仿别人论文或者代码用的。经济研究上来就随便跑个回归也是很不负责任地行为，但就目前我的水平对于模型啊各种都不是很懂，我们系用的是自己老师写的教材只教初级宏微观，数学训练也很不够（这些应该不是借口）。我知道计量应当是对变量之间有逻辑预设的，然后再逐步赠删、处理 […]

你有从哪些地方感觉到「应用宝」的推荐算法很准吗？

Python能否解决实体识别问题，假如给定一段微博或者从网上拷贝一段文字，能自动识别实体。Python相较其它语言有何优势？

如何从传统的基于内存的数据挖掘过渡到分布式、可处理海量数据集的挖掘

今年拿到这个岗位的offer，不知道以后的发展前景怎么样？