arrow8071的专栏

一、简介Mahout 是 Apache Software Foundation（ASF）旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Apache Mahout项目已经发展到了它的第三个年头，目前已经有了三个公共发行版本。Mahout包含许多实现，包括集群、分类、推荐过滤、频繁子项挖掘。此外，通过使用 Apache Ha

说明：本文是对下面这篇文章的一个更新，下面这篇文章环境采用的是mahout0.9 + hadoop2.2.0，本人的是mahout0.10.1+hadoop2.5.2--------------------------------------------------------------------------mahout0.9 + hadoop2.2 中文文本分类实战（上）链接

做为文本聚类实现的第一步对语料分词是必须的，而documentprocessor类提供了一个基于mapreduce对大量数据集分词的高效灵活的实现。高效是其基于mapreduce分布式计算框架，灵活是其提供了可扩展的分词接口可以对多种语言分词的支持。　　下面就要深入一下类内部的流程进行学习：documentprocessor类，它只提供了一个静态方法tokenizeddocuments();

Lucene分词实现(二次开发流程)1.1  分词流程在Lucene3.0中，对分词主要依靠Analyzer类解析实现。Analyzer内部主要通过TokenStream类实现。Tonkenizer类、TokenFilter类是TokenStream的两个子类。Tokenizer处理单个字符组成的字符流，读取Reader对象中的数据，处理后转换成词汇单元。Tokne

本文记录了Windows下 Eclipse+Maven+Mahout 单机环境的搭建过程。我不知道这是不是最简单的Mahout开发环境，但它应该算得上是比较简单的。二、安装Eclipse这个没啥说的，再怎么零基础，也要会用Eclipse吧。Eclipse的下载地址为： http://www.eclipse.org/downloads/ ，选择标准版就行。 安装完后运行Eclip

1.mahout的源码实现了两部分：(1)mahout核心源码(2)mahout定制Collections集合工具2.Mahout源码目录说明mahout-core:核心程序模块，位于/core目录下mahout-math:核心程序使用的一些数据通用计算模块，位于/math目录下mahout-utils：在核心程序中使用的一些通用的工具性模块，位于/utils目录下3.

输入分析：mahout下处理的文件必须是SequenceFile格式的，所以需要把txtfile转换成sequenceFile，而聚类必须是向量格式的，mahout提供下面两个命令来将文本转成向量形式1.mahout seqdirectory：将文本文件转成SequenceFile文件，SequenceFile文件是一种二制制存储的key-value键值对,http://www.dongt

mahout项目是由多个子项目组成的，各子项目分别位于源码的不同目录下，下面对mahout的组成进行介绍：1、mahout-core：核心程序模块，位于/core目录下；2、mahout-math：在核心程序中使用的一些数据通用计算模块，位于/math目录下；3、mahout-utils：在核心程序中使用的一些通用的工具性模块，位于/utils目录下；上述三个部分是程序的主题，存储

1、将mahout源码导入到eclipse中：       1）解压mahout源码压缩文件，目录时：E:\EProject\mahout-distribution-0.52）把源码导入eclipse中（eclipse的版本必须是3.6以上的吧，因为我3,5的没有自带maven项目）打开eclipse，点击file->import 在开打的对话框中，选择导入maven项目如下图，然后点

最近一直捣鼓Mahout，终于在Hadoop下成功跑起来了。由于涉及的点比较多，这里先记录整理一下，做参考备忘使用。一、操作系统Ubuntu Desktop 13.04 （RaringRingtail）官网地址：http://releases.ubuntu.com/13.04/国内镜像地址:中科大  http://ubuntu1304.cdn.mirrors.ustc.

Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序，并且，在 Mahout 的最近版本中还加入了对Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中。在Mahout实现的机器学习算法见下表：