mahout的初步研究

近来对数据挖掘比较感兴趣，但是数学又不好，所以就研究下mahout，站在巨人的肩膀上。

看了很多介绍mahout的安装的文章，感觉很多都是相互拷贝的。一个最大的问题就是，文章中有命令行，怎么样去运行mahout，但是没有介绍mahout的版本好，这个导致我走不少弯路才将mahout中的bayes例子跑通。但是很多错误我都没有截图下来，表示遗憾。

我使用的是0.7版本的Apache版的mahout将例子给跑通了。

现在分享下艰辛的过程的。

目前我使用的hadoop版本是1.1.1版本的，我一开始下载了一个0.5版本的mahout，按照随便能搜到的安装教程，进行了安装。安装的过程真的很简单。但是当跑kmeans算法的时候，直接就报错了，错误信息是：No clusters found. Check your -c path.

经过艰难的google，说是一个bug，已经在0.5以上的版本修复了。我就下载了最新的0.9版本，并成功的运行了kmeans算法。

然后就是直奔主题了，要运行bayes算法了。运行又报错了，java.lang.NoSuchMethodError: com.google.common.base.Joiner.join   Ljava/lang/String,当时已经就无语了，google了半天也没有找到相同的问题。然后我就想这问题这么没有人遇到过的，会不会又是版本的问题。我就尝试了0.7版本。成功的跑起来了。

以下是几个资料网址，可供参考。

http://www.cnblogs.com/linjiqin/archive/2013/03/15/2961649.html    mahout0.7版本的安装和好kmeans算法的资料

https://mahout.apache.org/users/classification/bayesian.html   这个是官方提供的命令行，至少0.7版本是可以用的

https://github.com/apache/mahout/blob/master/examples/bin/classify-20newsgroups.sh 这个是官方提供的shell脚本，我就是根据这个脚本中的命令行，将bayes跑通的

既然跑通了例子，但是还没有明白例子中的过程，还有待深入研究。