Mahout 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,包括聚类、分类、推荐过滤、频繁子项挖掘。此外,通过使用 Apache Hadoop 库,Mahout 可以有效地扩展到云中。
Mahout 的创始人 Grant Ingersoll 介绍了机器学习的基本概念,并演示了如何使用 Mahout 来实现文档聚类、提出建议和组织内容。下图中,左图是 Hadoop,右图是 Mahout 的logo
Mahout 是一个很强大的数据挖掘工具,是一个分布式机器学习算法的集合,包括:被称为Taste的分布式协同过滤的实现、分类、聚类等。Mahout最大的优点就是基于hadoop实现,把很多以前运行于单机上的算法,转化为了MapReduce模式,这样大大提升了算法可处理的数据量和处理性能。
Mahout 安装配置
关于 Mahout 的安装配置,这里介绍两种方式:其一,下载完整包进行解压缩(简单);其二,下载源码(直接下载源码或者通过 svn 下载源码都可以)。下面先介绍简单的一种喽~
环境说明:
- Centos 6.5 操作系统
- hadoop 2.2.0
- 在用户 haddop 下操作,安装基本上也是在该目录下
1. 下载 Mahout 发布版
- 下载0.11.0版本 apache-mahout-distribution-0.11.0.tar.gz (笔者本人使用这个)
- 下载0.7.0版本 mahout-distribution-0.7.tar.gz
2. 解压安装 Mahout
将压缩文件解压到 /home/hadoop/
tar -zxvf apache-mahout-distribution-0.11.0.tar.gz
3. 配置环境变量
- 在 /home/hadoop/.bash_profile 中添加配置信息
export MAHOUT_HOME=/home/hadoop/apache-mahout-distribution-0.11.0
export PATH=$PATH:$MAHOUT_HOME/bin
export CLASSPATH=$CLASSPATH:$MAHOUT/lib
export MAHOUT_LOCAL=
4. 验证Mahout是否安装成功
执行命令mahout。若列出一些算法,则成功,如图
如果看到上述的信息,恭喜你,已经基本安装成功了,很简单的…
但是这里要重点强调一下:上面出现的信息
MAHOUT_LOCAL is not set; adding HADOOP_CONF_DIR to classpath.
Running on hadoop, using /home/hadoop/hadoop-2.2.0/bin/hadoop and HADOOP_CONF_DIR