但凡事，都得有两手准备。plan a不行，就得有plan b。
他又开始琢磨：如果，万一，大学的实验室设备也不齐全，或者对方就是死活不同意让他一个高中生使用那些精密仪器，那又该怎么办？
想到这里，周铂心烦意乱，脑子里只剩下一个念头：搞钱！搞更多的钱！
实在不行，就只能自己砸钱，搞定一套设备！
他开始盘点自己手里所有能变现的资源。
靠打竞赛赚钱？根本不现实。
国內的竞赛奖金，抠抠搜搜就那么点，就算一路过关斩將，拿了高中奥林匹克的金牌，进了国家队，去参加国际竞赛，最后到手的奖金，估计还不够买一台离心机的。
靠拿奖学金？那更是杯水车薪，连塞牙缝都不够。
思来想去，目前唯一能快速、大量变现的手段，还是得靠网络。
周铂对自己当初在开发那款复习软体时，所用到的那套自己研发的模擬大数据的推荐算法，有著绝对的信心。
他敢打包票，就算是把华威、字节跳动这些全国顶尖的大厂拉出来，在“精准推送”这个细分领域，也绝对没有谁家的算法，能比自己这套更牛逼、更高效。
这套押题的算法啊，依靠wide &amender systems（面向推荐系统的宽深学习），其基础数学逻辑是，数学表达式为 ywide=wwt(x，?(x))+bw，其中x是原始稀疏特徵，?(x)是人工设计的交叉特徵。
交叉特徵通过交叉乘积转换生成。
比如“用户多次做错二次函数错题”和“目標考试二次函数题型占比超 20%”这类组合。
只有两个特徵同时为真时，交叉特徵值才为 1。
以此精准捕捉用户高频错题类型与考试高频考查题型间的显性关联，让押题更贴合用户薄弱点。
