零基础学习Mahout之-----搭建单机环境

一、Mahout是什么？

Mahout是Apache的一个开源项目（http://mahout.apache.org/），提供了机器学习领域的若干经典算法，以便开发人员快速构建机器学习和数据挖掘方面的应用。

Mahout是基于Hadoop的。从名称上看也很有意思，Hadoop是一个大象的名字，而Mahout则是象夫、看象人，可见二者联系之紧密。（这让我自然联想到Sun和Eclipse...）

 

我此时是一个完全没用过Mahout的门外汉，对Hadoop也没有实际使用经验，算是真正的零基础。我的目标是希望以最简单的方式搭建起一个Mahout的开发环境，以最快的速度让Mahout工作起来，以方便后续的进一步学习。

 

于是，经过一番折腾，便有了本文。本文记录了Windows下Eclipse+Maven+Mahout单机环境的搭建过程。我不知道这是不是最简单的Mahout开发环境，但它应该算得上是比较简单的。

 

二、安装Eclipse

这个没啥说的，再怎么零基础，也要会用Eclipse吧。

Eclipse的下载地址为：http://www.eclipse.org/downloads/，选择标准版就行。

安装完后运行Eclipse，为后续的安装做好准备。

 

三、安装Maven

Maven又是什么？这里只需要知道它是一个项目管理工具就行，有了它，可以非常方面的安装Mahout和相关依赖组件。

Maven的官方网站为：http://maven.apache.org/，它是一个命令行工具，这里我们安装的是它的Eclipse插件版本（m2eclipse），其地址为：http://www.eclipse.org/m2e/，已安装Maven的朋友可以跳过本小节。

 

下面是m2eclipse的安装方法。

进入的下载页面：http://www.eclipse.org/m2e/download/

 

安装m2eclipse方法有两种，一种是在上面的Install图标上按下鼠标，然后拖动到Eclipse的窗口（看哪里能够释放鼠标就拖到哪里，比如标题栏），稍后就会弹出如下对话框，点击“Confirm”即可。 

 

第二种方法是通过Eclipse帮助菜单下的安装新软件（Install New Software）安装：

点了上面菜单后，会弹出如下对话框，点击Add按钮，然后输入Name和Location（http://download.eclipse.org/technology/m2e/releases），Location是从前面的网页里面复制而来。

 确定后，会显示如下内容，选择所有项目，然后点击Next

 同意授权，点击Finish，Maven插件就会自动被安装。

安装完毕后，可通过Help > About > Installation Details确认已安装的插件。

 

四、使用Maven构建Mahout项目

运行Eclipse，通过菜单File > New > Project新建项目，选择Maven Project

 直接Next

 选择maven-archetype-quickstart

 输入GroupId和ArtifactId，可以根据自己喜好随便命名：

 点了Finish后，Eclipse便会创建如下一个工程：

双击pom.xml，在右边的面板中选择Dependencies，点击Add，在弹出的对话框中输入mahout，Maven便会搜索相关包，选择mahout-core，确定。

 

然后按Ctrl+S保存 pom.xml，maven便会下载相关jar包，在项目的Dependencies目录下可以看到这些jar包。

到此，我们的环境就已搭建完毕，接下来便是编写代码。

 

 五、编写代码，运行程序

双击App.java，对其进行编辑。

作为初次尝试，肯定要选比较简单的算法，这里我采用的是基于用户的协同过滤算法来计算推荐商品。完整代码如下：

package com.mine.mahout.practice;

import java.io.File;
import java.util.List;

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;


public class App 
{
    public static void main( String[] args )
    {
        try {
            // 从文件加载数据
            DataModel model = new FileDataModel(new File("e:\\data.csv"));
            // 指定用户相似度计算方法，这里采用皮尔森相关度
            UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
            // 指定用户邻居数量，这里为2
            UserNeighborhood neighborhood = new NearestNUserNeighborhood(2, similarity, model);
            // 构建基于用户的推荐系统
            Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);
            // 得到指定用户的推荐结果，这里是得到用户1的两个推荐
            List<RecommendedItem> recommendations = recommender.recommend(1, 2);
            // 打印推荐结果
            for (RecommendedItem recommendation : recommendations) {
                System.out.println(recommendation);
            }
        } catch (Exception e) {
            System.out.println(e);
        }        
    }
}

 上面的e:\data.csv为数据文件，数据的第一列为用户ID，第二列为商品ID，第三列为用户对商品的评分：

1,101,5
1,102,3
1,103,2.5
2,101,2
2,102,2.5
2,103,5
2,104,2
3,101,2.5
3,104,4
3,105,4.5
3,107,5
4,101,5
4,103,3
4,104,4.5
4,106,4
5,101,4
5,102,3
5,103,2
5,104,4
5,105,3.5
5,106,4

（备注：上面的代码和测试数据均参考自这篇博文：http://blog.csdn.net/aidayei/article/details/6626699）

接下来就可以运行程序了，选择Java Application：

 

选择App，或者前面直接对App.java执行运行，而不用对整个项目执行运行。

最后得到输出结果如下：

SLF4J: Failed to load class "org.slf4j.impl.StaticLoggerBinder".
SLF4J: Defaulting to no-operation (NOP) logger implementation
SLF4J: See http://www.slf4j.org/codes.html#StaticLoggerBinder for further details.
RecommendedItem[item:104, value:4.257081]
RecommendedItem[item:106, value:4.0]

可以看到，Mahout为用户1提供了两个推荐商品，分别是104和106。

 

这样，我们便完成了第一个Mahout程序，整个过程还算简单吧？希望对“零基础”的朋友有所帮助。

 

补充：前面的运行结果显示三行红字，说是slf4j里面的StaticLoggerBinder加载失败，虽说它不影响程序运行结果，但看着实在烦人，解决办法是再次编辑pom.xml的dependencies，添加一个slf4j-nop包即可。

 

（本文已移至个人网站freefalcon.cn）