Mahout——入門

一、Mahout簡介

       Mahout 是一個很強大的數據挖掘工具，是一個分佈式機器學習算法的集合，包括：被稱爲Taste的分佈式協同過濾的實現、分類、聚類等。Mahout最大的優點就是基於hadoop實現，把很多以前運行於單機上的算法，轉化爲了MapReduce模式，這樣大大提升了算法可處理的數據量和處理性能。

 

在Mahout實現的機器學習算法：

算法類	算法名	中文名
分類算法	Logistic Regression	邏輯迴歸
	Bayesian	貝葉斯
	SVM	支持向量機
	Perceptron	感知器算法
	Neural Network	神經網絡
	Random Forests	隨機森林
	Restricted Boltzmann Machines	有限波爾茲曼機
聚類算法	Canopy Clustering	Canopy聚類
	K-means Clustering	K均值算法
	Fuzzy K-means	模糊K均值
	Expectation Maximization	EM聚類（期望最大化聚類）
	Mean Shift Clustering	均值漂移聚類
	Hierarchical Clustering	層次聚類
	Dirichlet Process Clustering	狄裏克雷過程聚類
	Latent Dirichlet Allocation	LDA聚類
	Spectral Clustering	譜聚類
關聯規則挖掘	Parallel FP Growth Algorithm	並行FP Growth算法
迴歸	Locally Weighted Linear Regression	局部加權線性迴歸
降維/維約簡	Singular Value Decomposition	奇異值分解
	Principal Components Analysis	主成分分析
	Independent Component Analysis	獨立成分分析
	Gaussian Discriminative Analysis	高斯判別分析
進化算法	並行化了Watchmaker框架
推薦/協同過濾	Non-distributed recommenders	Taste(UserCF, ItemCF, SlopeOne）
	Distributed Recommenders	ItemCF
向量相似度計算	RowSimilarityJob	計算列間相似度
	VectorDistanceJob	計算向量間距離
非Map-Reduce算法	Hidden Markov Models	隱馬爾科夫模型
集合方法擴展	Collections	擴展了java的Collections類

 

二、Mahout安裝、配置 

一、下載Mahout

http://archive.apache.org/dist/mahout/

 

二、解壓

tar -zxvf mahout-distribution-0.9.tar.gz

 

三、配置環境變量

3.1、配置Mahout環境變量

# set mahout environment

export MAHOUT_HOME=/usr/local/mahout-distribution-0.9

export MAHOUT_CONF_DIR=$MAHOUT_HOME/conf

export PATH=$MAHOUT_HOME/conf:$MAHOUT_HOME/bin:$PATHma

 

四、驗證Mahout是否安裝成功

        執行命令mahout。若列出一些算法，則成功，如圖：

        

       

五、使用Mahout 之入門級使用

5.1、啓動Hadoop

5.2、下載測試數據

     a.下載一個文件synthetic_control.data，下載地址http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data，並把這個文件放在$MAHOUT_HOME目錄下。

 

  5.3、上傳測試數據

c.創建測試目錄testdata，並把數據導入到這個tastdata目錄中(這裏的目錄的名字只能是testdata)

hadoop fs -mkdir –p /user/root/testdata

 

hadoop fs -put synthetic_control.data  /user/root/testdata

5.4  使用Mahout中的kmeans聚類算法，執行命令：

mahout -core org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

花費5分鐘左右完成聚類。 

5.5 查看聚類結果

執行hadoop fs -ls/user/root/output，查看聚類結果。