安装Mahout，并运行20newsgroup的测试样例

1：安装配置 mahout
mahout安装目录如下：
 
环境变量配置：
 
测试mahout安装是否成功：运行 mahout 出现如下结果证明安装成功。
 
2：数据准备：将下载的20news数据放到本地如下目录中：
 

3：建立训练集
运行如下命令：
mahout org.apache.mahout.classifier.bayes.PrepareTwentyNewsgroups \
-p /home/lihui/hadoop/data20news-bydata-train \
-o /home/lihui/hadoop/bayes-train-input \
-a org.apache.mahout.vectorizer.DefaultAnalyzer \
-c UTF-8

执行结果：
 



4：建立测试集
运行如下命令：
mahout org.apache.mahout.classifier.bayes.PrepareTwentyNewsgroups \
-p /home/lihui/hadoop/data20news-bydata-test \
-o /home/lihui/hadoop/bayes-test-input \
-a org.apache.mahout.vectorizer.DefaultAnalyzer \
-c UTF-8
执行结果如下：
 

5：将训练集和测试集上传到hdfs：
如下：
 

6：训练贝叶斯分类器：
执行如下命令：
mahout trainclassifier \
-i  /user/lihui/20news/bayes-train-input \
-o /user/lihui/20news/newsmodel \
-type cbayes -ng 2 \
-source hdfs
执行结果如下：
 

生成的模型如下：
 
 

7：测试贝叶斯分类器：
执行如下命令：
mahout testclassifier \
-m  /user/lihui/20news/newsmodel \
-d  /user/lihui/20news/bayes-test-input \
-type cbayes -ng 2 \
-source hdfs \
-method mapreduce

执行结果出现异常：
如下
 
 
出现内存不足问题：
解决步骤：
  a:修改hadoop集群中的 mapred-site.xml 在其中增加属性如下：
   mapred.child.java.opts
 

b:重新启动hadoop集群
c:再次执行 上述测试命令：
执行如下：
 

执行完毕后 输出如下结果：