目錄
2、非監督學習（Unsupervised Learning）
Mahout(象夫)
Apache開源項目，主要用於創建可伸縮的機器學習算法
實現瞭如下幾個主流的機器學習算法
- Recommendation 推薦算法
- Classification 分類算法
- Clustering 聚類算法
Mahout的特性
1、在hadoop上運行，spark上也可以運行
2、在大型數據集上進行數據挖掘
3、快速高效分析大數據
4、包含了一些聚類算法
5、貝葉斯和樸素貝葉斯分類算法
6、包含矩陣和向量類庫
機器學習
是一個科學分支，主要是自動學習以及提升經驗值。
學習意味着識別和理解輸入數據，以及基於這些數據做出正確的決策。
實現機器學習的方式
1、監督學習（Supervised learning）
概念：
從可見的數據集中進行學習，產生推斷函數，並應用到新的案例上。
應用場景：
- 分類垃圾郵件
- 基於內容的網頁標籤化
- 語音識別。
監督學習的算法：
- 神經網絡
- 支持向量機
- 樸素貝葉斯分類器（Mahout實現）
2、非監督學習（Unsupervised Learning）
概念：
使用未標籤的數據，沒有做任何預定義數據，對於分析可用數據是一個極其強大的工具。
常見的非監督學習有：
- K-mean（均值）
- self-organizing maps（自組織映射）
- hierachical clustering（層級聚類）
非監督學習的形式：
聚類，是基於數據的一些共性，形成若干組和相關數據集合。
新聞組使用聚類技術基於相關主題對各種文章進行分組
聚類引擎對數據進行遍歷，最終決定數據分配到哪個組下