尼古拉斯豆

摘要： 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：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Restrict 阅读全文

摘要： 【译】mahout in action 2.2 运行首个推荐引擎博客分类：Mahout in actionApache算法生活IDEMahout包含一个推荐引擎的几种类型，事实上包含传统的基于用户（user-based），基于项目（item-based）推荐算法，也包括基于“slope-one”技术的实现（这一个新的有效的方法）。你将根据实验，基于单机版的（SVD）初步实现。在下面的章节里，我们将会在Mahout的背景下和一些现实生活中的例子，来回顾上面的观察结果。我们将会考虑如何代表数据，如何进行有效的推荐算法，如何评估推荐器的效果，如何为一个特殊的问题调研和定制推荐器，最后考虑如何分布计算 阅读全文

摘要： 转自：http://blog.chinaunix.net/uid-26711636-id-3086382.html1）评价推荐系统优劣的方法 mahout中提供了为用户推荐物品的工具，但如何评价推荐的item是否和实际情况相符合。在机器学习和AI领域，习惯的是利用一部分数据作为训练集数据，而留出一部分实际用户喜好的数据作为测试集数据，通过估计出的值与实际测试值之间的均差、均方根等方法下的大小来评判，通常是值越小说明推荐的情况和实际值越接近，若其值为0说明完全吻合。 由于评判通过推荐系统得出的估计值和实际值之间的得分（通过均差、均方根等得到）直接关系到推荐系统的优劣，所以这里就有必要对此作出必要 阅读全文

摘要： 转自：http://blog.chinaunix.net/uid-26711636-id-3085923.html最近因为公司项目的需要，进入了mahout的相关学习，在hadoop论坛找到了一份入门级别的学习资料，在各大论坛mahout板块的介绍还是相当少，闲话不多说，直接切入正题。 Mahout是一个基于Hadoop实现各种机器学习与数据挖掘的算法库，它由Lucene的几个代码贡献者发起成立，整个项目是从Taste这个项目发展起来的，目前Mahout已经发布0.6.0最新版本，实现了分布式协同过滤、聚类、分类等算法，已经和Hadoop整合到了一起，成为强大的分布式数据挖掘的工具。 要想实. 阅读全文

摘要： 转自：http://woshiwzy.iteye.com/blog/899211//注释的部分是基于文件也可以理解为基于日志文件的，//DataModel 可以有很多种，实现abstractDataMode的子类，原则上都可以作为数据源，个人觉得，不管是那种DataMode各自有优缺点//应该视情况而定，package com.test.mahout;import java.util.List;import org.apache.mahout.cf.taste.impl.common.FastByIDMap;import org.apache.mahout.cf.taste.impl.mode 阅读全文

摘要： 转自：http://woshiwzy.iteye.com/blog/898115==========================================================学习这些高端的东西，有时候真的连怎么运行都不知道，只有代码。做这个实验只要在eclipse里创建一个java工程，然后写一个java文件，在src下创建一个mahout_data.txt数据文件(代码中指定路径)。然后导入mahout版本.tar.gz解压出来的目录里的jar包就可以运行了。如果运行时选择run as->java application，则会在本地目录中生成结果文件，如果run 阅读全文