一、Mahout简介
查了Mahout的中文意思——驭象的人，再看看Mahout的logo，好吧，想和小黄象happy地玩耍，得顺便陪陪这位驭象人耍耍了...
附logo：
（就是他，骑在象头上的那个Mahout）
步入正文啦：
Mahout 是一个很强大的数据挖掘工具，是一个分布式机器学习算法的集合，包括：被称为Taste的分布式协同过滤的实现、分类、聚类等。Mahout最大的优点就是基于hadoop实现，把很多以前运行于单机上的算法，转化为了MapReduce模式，这样大大提升了算法可处理的数据量和处理性能。
在Mahout实现的机器学习算法：
|
算法类
|
算法名
|
中文名
|
|
分类算法
|
Logistic Regression
|
逻辑回归
|
|
Bayesian
|
贝叶斯
|
|
SVM
|
支持向量机
|
|
Perceptron
|
感知器算法
|
|
Neural Network
|
神经网络
|
|
Random Forests
|
随机森林
|
|
Restricted Boltzmann Machines
|
有限波尔兹曼机
|
|
聚类算法
|
Canopy Clustering
|
Canopy聚类
|
|
K-means Clustering
|
K均值算法
|
|
Fuzzy K-means
|
模糊K均值
|
|
Expectation Maximization
|
EM聚类（期望最大化聚类）
|
|
Mean Shift Clustering
|
均值漂移聚类
|
|
Hierarchical Clustering
|
层次聚类
|
|
Dirichlet Process Clustering
|
狄里克雷过程聚类
|
|
Latent Dirichlet Allocation
|
LDA聚类
|
|
Spectral Clustering
|
谱聚类
|
|
关联规则挖掘
|
Parallel FP Growth Algorithm
|
并行FP Growth算法
|
|
回归
|
Locally Weighted Linear Regression
|
局部加权线性回归
|
|
降维/维约简
|
Singular Value Decomposition
|
奇异值分解
|
|
Principal Components Analysis
|
主成分分析
|
|
Independent Component Analysis
|
独立成分分析
|
|
Gaussian Discriminative Analysis
|
高斯判别分析
|
|
进化算法
|
并行化了Watchmaker框架
|
|
|
推荐/协同过滤
|
Non-distributed recommenders
|
Taste(UserCF, ItemCF, SlopeOne）
|
|
Distributed Recommenders
|
ItemCF
|
|
向量相似度计算
|
RowSimilarityJob
|
计算列间相似度
|
|
VectorDistanceJob
|
计算向量间距离
|
|
非Map-Reduce算法
|
Hidden Markov Models
|
隐马尔科夫模型
|
|
集合方法扩展
|
Collections
|
扩展了java的Collections类
|
二、Mahout安装、配置 一、下载Mahout
http://archive.apache.org/dist/mahout/
二、解压
tar -zxvf mahout-distribution-0.9.tar.gz
三、配置环境变量
3.1、配置Mahout环境变量
# set mahout environment
export MAHOUT_HOME=/home/yujianxin/mahout/mahout-distribution-0.9
export MAHOUT_CONF_DIR=$MAHOUT_HOME/conf
export PATH=$MAHOUT_HOME/conf:$MAHOUT_HOME/bin:$PATH
3.2、配置Mahout所需的Hadoop环境变量
# set hadoop environment
export HADOOP_HOME=/home/yujianxin/hadoop/hadoop-1.1.2
export HADOOP_CONF_DIR=$HADOOP_HOME/conf
export PATH=$PATH:$HADOOP_HOME/bin
export HADOOP_HOME_WARN_SUPPRESS=not_null
四、验证Mahout是否安装成功
执行命令mahout。若列出一些算法，则成功，如图：
五、使用Mahout 之入门级使用
5.1、启动Hadoop
5.2、下载测试数据
5.3、上传测试数据
hadoop fs -put synthetic_control.data /user/root/testdata
5.4 使用Mahout中的kmeans聚类算法，执行命令：
mahout -core org.apache.mahout.clustering.syntheticcontrol.kmeans.Job
花费9分钟左右完成聚类 。
5.5 查看聚类结果
执行hadoop fs -ls /user/root/output，查看聚类结果。
齐活，收工。Mahout继续学习中......
相关 [mahout 学习 mahout] 推荐：
- - ITeye博客
使用命令:mahout -h. 在Mahout实现的机器学习算法见下表：. EM聚类（期望最大化聚类）. 并行FP Growth算法. 并行化了Watchmaker框架. 非Map-Reduce算法. 扩展了java的Collections类. Mahout最大的优点就是基于hadoop实现，把很多以前运行于单机上的算法，转化为了MapReduce模式，这样大大提升了算法可处理的数据量和处理性能. 已有 0 人发表留言，猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.
- - 开源中国社区最新新闻
Apache Mahout 0.8 发布了，Apache Mahout 是 Apache Software Foundation (ASF) 开发的一个全新的开源项目，其主要目标是创建一些可伸缩的机器学习算法，供开发人员在 Apache 在许可下免费使用. 该项目已经发展到了它的最二个年头，目前只有一个公共发行版. Mahout 包含许多实现，包括集群、分类、CP 和进化程序. 此外，通过使用 Apache Hadoop 库，Mahout 可以有效地扩展到云中. 该版本主要是 1.0 版本发布之前的代码清理. - Numerous performance improvements to Vector and Matrix implementations, API‘s and their iterators (see also MAHOUT-1192, MAHOUT-1202).
- - CSDN博客云计算推荐文章
查了Mahout的中文意思——驭象的人，再看看Mahout的logo，好吧，想和小黄象happy地玩耍，得顺便陪陪这位驭象人耍耍了.... （就是他，骑在象头上的那个Mahout）. Mahout 是一个很强大的数据挖掘工具，是一个分布式机器学习算法的集合，包括：被称为Taste的分布式协同过滤的实现、分类、聚类等. Mahout最大的优点就是基于hadoop实现，把很多以前运行于单机上的算法，转化为了MapReduce模式，这样大大提升了算法可处理的数据量和处理性能. 在Mahout实现的机器学习算法：. 并行化了Watchmaker框架. 非Map-Reduce算法. 扩展了java的Collections类.
- - ITeye博客
Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序，并且，在 Mahout 的最近版本中还加入了对Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中. 在Mahout实现的机器学习算法见下表：. 并行化了Watchmaker框架. 扩展了java的Collections类. 已有 0 人发表留言，猛击->> 这里<<-参与讨论. —软件人才免语言低担保 赴美带薪读研.
- - 互联网 - ITeye博客
Mahout 是机器学习和数据挖掘的一个分布式框架，区别于其他的开源数据挖掘软件，它是基于hadoop之上的； 所以hadoop的优势就是Mahout的优势. http://mahout.apache.org/ 上说的Scalable就是指hadoop的可扩展性. Mahout用map-reduce实现了部分数据挖掘算法，解决了并行挖掘的问题. 这里说的“解决”是一个初步的概念，很多算法由于各种原因是无法用map-reduce并行实现的. http://www.apache.org/dyn/closer.cgi/mahout/ ), 解压；. 在MAHOUT_HOME/bin目录下，在mahout中添加:.
- - CSDN博客云计算推荐文章
一 下载mahout并解压. JAVA_HOME mahout运行需指定jdk的目录. MAHOUT_JAVA_HOME指定此变量可覆盖JAVA_HOME值. HADOOP_HOME 如果配置，则在hadoop分布式平台上运行，否则单机运行. HADOOP_CONF_DIR指定hadoop的配置文件目录. MAHOUT_LOCAL 如果此变量值丌为空，则单机运行mahout. MAHOUT_CONF_DIR mahout配置文件的路径，默认值是$MAHOUT_HOME/src/conf. MAHOUT_HEAPSIZE mahout运行时可用的最大heap大小. 环境变量的修改，在该文件最后面添加.
- - CSDN博客云计算推荐文章
mahout 实用教程 (一). 本文力求把mahout从使用的角度为读者建立一个框架，为后续的使用打下基础. 本文为原创文章转载请注明原网址 http://blog.csdn.net/comaple，谢谢. 下面首先给出源代码svn地址以及用于测试的公共数据集，大家可以下载并测试. mahout svn仓库地址： http://svn.apache.org/repos/asf/mahout/trunk. movie length 数据地址：http://www.grouplens.org/system/files/ml-100k.zip. 1. mahout简介. 2. 应用于推荐系统（item-based/user-based/slopone）.
- - 小鸥的博客
Mahout推荐算法分为以下几大类. 2.相近的用户定义与数量. 2.用户数较少时计算速度快. 1.基于item的相似度. 1.item较少时就算速度更快. 2.当item的外部概念易于理解和获得是非常有用. 1基于SlopeOne算法（打分差异规则）. 当item数目十分少了也很有效. 需要限制diffs的存储数目否则内存增长太快. 基于支持向量机（item的特征以向量表示，每个维度的评价值）. 类似于GenericUserBasedRecommender 中基于相似用户的实现（基于相似的item）. 与GenericItemBasedRecommender 的主要区别是权重方式计算的不同（but, the weights are not the results of some similarity metric.
- - CSDN博客推荐文章
Apache Mahout 是 Apache Software Foundation（ASF） 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序. 经典算法包括聚类、分类、协同过滤、进化编程等等，并且，在 Mahout 中还加入了对Apache Hadoop的支持，使这些算法可以更高效的运行在云计算环境中. 2.1 JDK1.6.0_21的安装. jdk的下载地址：http://www.oracle.com/technetwork/java/javase/downloads/index.html我所用的版本是jdk-6u21-linux-i586.bin.
- -
Mahout支持2种 M/R 的jobs实现itemBase的协同过滤. 下面我们对RecommenderJob进行分析，版本是mahout-distribution-0.7. 源码包位置：org.apache.mahout.cf.taste.hadoop.item.RecommenderJob. RecommenderJob前几个阶段和ItemSimilarityJob是一样的，不过ItemSimilarityJob 计算出item的相似度矩阵就结束了，而RecommenderJob 会继续使用相似度矩阵，对每个user计算出应该推荐给他的top N 个items. RecommenderJob 的输入也是userID, itemID[, preferencevalue]格式的.
原文：http://www.cnblogs.com/lvfeilong/p/789jkljllk.html
