Mahout初体验——配置+HelloWorld

最近在看机器学习方面的内容，不过一直在看理论方面未免略枯燥，正好发现了一个Apache下的开源项目——Mahout，是一个Java的机器学习算法库，遂看之。

Mahout的主页Apache Mahout，正如其主要介绍的，这是一个Scalable Machine Learning库，而且基于Map/Reduce，可运行在Hadoop集群上。事实上它提供的库就有两种，一种是单机版的，独立运行在PC上的，还有一个就是分布式版的，运行在Hadoop上（PS：话说Hadoop还是挺看好的）。

进入正题，简单看一下Mahout，运行环境是MyEclipse9+Maven3+Mahout 0.7，都是比较性的版本。直接用Maven管理，省得要一个个导jar包麻烦。

新建一个Maven项目，在pom.xml中加入Mahout的相关Dependency，具体如下：

    <dependency>
      <groupId>org.apache.mahout</groupId>
      <artifactId>mahout-core</artifactId>
      <version>0.7</version>
    </dependency>

这样Maven会自动搜索关联的jar包并下载到本地。

导入包后开始第一个Hello World程序，就是根据用户打分推荐产品，其实网上也有不少，具体代码如下

package Mahout_Pro1;

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

import org.apache.mahout.cf.taste.impl.model.file.*;
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 Mahout {
	private Mahout() {
	}
	
	public static void main(String[] args) throws Exception
	{
		DataModel model=new FileDataModel(new File("D:\\Workspace\\MyEclipse\\Mahout_Pro1\\src\\main\\java\\data.csv"));
		UserSimilarity similarity =new PearsonCorrelationSimilarity(model);
		UserNeighborhood neighborhood =new NearestNUserNeighborhood(2,similarity,model);
		Recommender recommender= new GenericUserBasedRecommender(model,neighborhood,similarity);
		List<RecommendedItem> recommendations =recommender.recommend(1, 2);
		for(RecommendedItem recommendation :recommendations){
			System.out.println(recommendation);
		}
	}
}

至于 data.csv里的数据，就是模拟的用户打分数据，如下

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

这样运行后就可以得到结果：

RecommendedItem[item:104, value:4.257081]
RecommendedItem[item:106, value:4.0]

整个程序比较简单，用到的都是库里现成的函数实现了基于排名的推荐，另一类算法应该是基于用户的推荐，具体可以另外实现。

此外，在比较新的版本中可能会报一些比较奇怪的错误：

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.

这主要是因为SLF4J的库支持问题，去SLF4J官网上下个最新的SLF4J，导入slf4j-nop的包就行了。

发现Mahout还是不错的，看来还是要多学习学习。。。。