便宜VPS网推荐算法简介
推荐算法是推荐系统的核心，其本质是通过一定的方式将用户和物品联系起来，而不同的推荐系统利用了不同的方式。 推荐系统的主要功能是以个性化的方式帮助用户从极大的搜索空间中快速找到感兴趣的对象。
基于用户(User-CF)： 基于用户的协同过滤推荐的基本原理是，根据所有用户对物品的偏好，发现与当前用户口味和偏好相似的“邻居”用户群，并推荐近邻所偏好的物品。
这种算法基于一种物以类聚人以群分的假设， 喜欢相同物品的用户更有可能具有相同的兴趣 。基于协同过滤推荐系统一般应用于有用户评分的系统中，通过分数去刻画用户对于物品的喜好。
推荐算法很重要的一个原理是为用户推荐与用户喜欢的物品相似的用户又不知道的物品。
数据采集是推荐算法所必须的基础。在手机应用、网站或搜索引擎中，手机号码、搜索历史、网址访问记录等等等等，这是手机记录信息的基础数据。推荐算法将其分为不同的类别和细分。
构建决策树的三种算法是什么
1、ID3算法是最早成型的决策树算法。ID3的算法核心是在决策树各个节点上应用信息增益准则来选择特征，递归构建决策树。
2、决策树求解算法有：ID3，C5，CART等。决策树算法是一种逼近离散函数值的方法。它是一种典型的分类方法，首先对数据进行处理，利用归纳算法生成可读的规则和决策树，然后使用决策对新数据进行分析。
3、CLS算法 CLS算法就是最原始的决策树分类算法，基本流程是，从一棵空数出发，不断的从决策表选取属性加入数的生长过程中，直到决策树可以满足分类要求为止。CLS算法存在的主要问题是在新增属性选取时有很大的随机性。
4、C5算法是机器学习算法中的一种分类决策树算法，其核心算法是ID3算法。C5算法产生的分类规则易于理解，准确率较高。不过在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，在实际应用中因而会导致算法的低效。
5、决策树学习算法是以实例为基础的归纳学习算法，本质上是从训练数据集中归纳出一组分类规则，与训练数据集不相矛盾的决策树可能有多个，也可能一个也没有。
6、叶节点：就是树最底部的节点，也就是决策结果。剪枝就是给决策树瘦身，防止过拟合。分为“预剪枝”（Pre-Pruning）和“后剪枝”（Post-Pruning）。预剪枝是在决策树构造时就进行剪枝。
实时通讯中拥塞控制算法
实时通讯的需求不断增长， 低延时的拥塞控制就显得由为重要。这样就有一个组织叫RMCAT专门来负责制定用于实时通讯的拥塞控制的标准。目前RMCAT下共有三个大的拥塞算法：GCC， SCReAM， NADA。
TCP拥塞控制的四种算法分别是：慢启动，和性增长/乘性降低，快速重传和快速恢复。慢启动 慢启动初始启动时设置拥塞窗口值（cwnd）为4或10个MSS。
算法过程：拥塞控制有两种，一种是超时重传后进入到慢开始阶段，一种是收到3个重复确认报文后开始的快恢复阶段。
TCP进行拥塞控制的算法有四种，即 慢开始（slow-start）、拥塞避免（congestion-avoidance）、快重传（fast retransmit）、快恢复（fast recovery） 。
gcc是google实时流拥塞控制算法的简称，已经在webrtc中实现，应用于chrome，后面将应用到Hangouts(视频聊天产品)中，主要用于视频流的拥塞控制。
