［mahout in action］mahout中用于推荐引擎的数据结构（二）

最新推荐文章于 2019-06-28 09:50:58 发布
最新推荐文章于 2019-06-28 09:50:58 发布
阅读量746 收藏
点赞数
分类专栏： 推荐系统 文章标签： 数据结构
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/aFeiOnePiece/article/details/47684587
版权
本文介绍了Mahout中的DataModel接口及其实现，如GenericDataModel和FileDataModel。详细说明了如何手动录入数据以及如何从文件读取数据到DataModel。还讨论了数据更新时如何利用Refreshable接口以及FileDataModel的更新文件功能进行高效操作。
摘要由CSDN通过智能技术生成
DataModel是在Mahout中封装推荐引擎输入数据的抽象接口。实现类包括GenericDataModel，FileDataModel

mahout中读取数据的方式有很多种，可以分为 手动录入，从file读取，从数据库读取
这里参考 《mahout in action》简单说一下手动录入方式，以及从file读取的方式。从数据库读取可参考 API文档

手动： 
FastByIDMap<PreferenceArray> preferences = n
最低0.47元/天 解锁文章
Lesley dude
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
mahout in action中文版
wenyusuran的专栏
08-15 5072
mahout in action 中文翻译第1章初识mahout mahout in action 中文翻译 1. 初识Mahout 本章涵盖以下内容： Apache Mahout是什么？现实中推荐系统引擎、聚类、分类概述配置mahout 读者可能从本书的标题中依然知晓，本书是一本使用的工具书，讲解如何将mahout应用于业界。Mahout是Apache开源的机器学习库。它实现的算法
Mahout in action小记（一）
u011569805的专栏
10-31 517
1.The user ID and item ID columns should be non-nullable, and must be indexed. 在使用数据库作为数据源时，userId, itemId 应该不为空 而且 应该建立索引 2.Refreshable interface 实现更新数据，显示调用 1,108,3.0 修改 user 1 item 108 3.0 1,10
大数据推荐系统（5）Mahout
HouLei
06-17 2366
开发环境： Linux + Intellij IDEA(IDE) +SBT（Simple Build Tool）(项目管理工具) 和 Maven + 持续集成：Jenkins（Jenkins是基于Java开发的一种持续集成工具，用于监控持续重复的工作） Spark 基于内存，图调度，算子简单。 scala H2O 预测分析的平台 Flink 做流处理的平台 （也可做批处理） Mahout架构...
Mahout in Action完整版本(英文)
01-31
一些支持 Map-Reduce 的集群实现包括 k-Means、模糊 k-Means、Canopy、Dirichlet 和 Mean-Shift。 　　Distributed Naive Bayes 和 Complementary Naive Bayes 分类实现。
基于Mahout构建推荐引擎
zhang_jiayuan的博客
06-28 633
什么是Mahout? Mahout 是 Apache旗下的一个开源项目，基于由以前的研究人员研究的经典推荐算法，它抽象和实现理论研究成果，将理论知识中的复杂运算进行封装，并支持多种数据源格式（文件，数据库等）并提供了多种可扩展的选项，将其集成到框架中去，使得开发人员能够通过API直接使用该算法实现，通过工具集隐藏其复杂的底层实现，帮助我们创建智能应用程序更快，更简单。此外，通过使...
Mahout in action 实战中文版 高清 完整
03-13
Mahout in action 实战中文版 高清 完整,，最经典的hadoop机器学习库
MahoutInAction中文完整版.pdf
10-20
Apache顶级项目Mahout，基于Hadoop的分布式机器学习框架Mahout中文完整版文档。
mahout in action中的源码
12-25
该资源是mahout in action 中的源码，适用于自学，可在github下载：https://github.com/tdunning/MiA
Mahout in Action 学习---基于物品的分布式推荐算法（Wikipedia数据集）
qq_17116557的博客
05-10 1701
文字总结自《Mahout in Action》中文版第六章的内容1.1 数据集介绍Wikipedia数据集:一篇文章到另外一篇文章的链接。 可以将文章看作是用户，将该文章指向的文章视为该源文章所喜欢的物品。 类型：单向布尔型偏好。 相似性评估算法：LogLikelihoodSimilarity 关于LogLikelihoodSimilarity具体算法思想见： 对数似然比相似度 - xid
Mahout in Action 读书笔记chapter5 让推荐程序实用化
ericxk
08-01 1160
到了这一章就是真刀实枪的开始了。这是一个约会网站，首先需要下载 http://www.occamslab.com/petricek/data/libimseti-complete.zip ： 这个里面包含了用户对其他人档案的评分，针对评分那个文件，事先经历了数据的预处理：提出了生成评分个数不到20个的用户，还排除了几乎对每个档案都给出相同分值的用户，因为这有可能是垃圾信息和不严肃的评分。还
mahout in action 中文版
dangyifei
05-17 1549
http://running.iteye.com/category/144665
mahout in action 笔记---初识
u013351371的专栏
01-01 486
机器学习和数据挖掘越来越热，相关的软件也很多，比如weka和mahout。weka是比较适合于做些模拟实验，在大规模的实践中，mahout用的比较多。    关于mahout的介绍有很多资料，这个可以在其官网找到mahout官网。    为了学好它，我们首先将其导入myeclipse，然后再开始编写。    这本书的前言部分对接下来的每一部分的功能说的很明白，今天主要是接触了一下样例，是一个
Mahout in action分析维基百科数据例子(一)
cbl709的专栏
04-03 1356
本文来源于我个人博客www.chenbiaolong.com概要本文主要根据mahout in action第六章分析维基百科链接数据的例子编写。大部分内容是直接翻译的mahout in action，不过不是逐字翻译，加入了一些个人理解。关于本文的前提背景可以参考其他博主翻译的文章： Mahout in action 中文版-6.分布式推荐计算-6.1 Mahout in action 中文版
Mahout in action 中文版-3.推荐器的数据表达
lhfredfly的专栏
01-02 1075
3 推荐器的数据表达 本章概要： Mahout的推荐数据如何呈现 DataModel 的实现和使用 布尔型的偏好数据处理 推荐结果的好坏取决于数据的数量和质量。“巧妇难为无米之炊”用在这里再合适不过了。数据质量高本身是好事，而且数据量大也是好事。推荐算法天生就是数据密集型的，它们擅长处理大数据。算法运行的性能和数据的质量和呈现形式直接相关。一个好的数据结构可以影
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值