java hadoop mahout_Hadoop里的数据挖掘应用-Mahout——学习笔记<三>

由于平时对数据挖掘做的比较多，所以优先看Mahout方向视频。

Mahout有很好的扩展性与容错性(基于HDFS&MapReduce开发)，实现了大部分常用的数据挖掘算法(聚类、分类、推荐算法)不过数据挖掘调参和业务理解是关键，个人觉得真正想学习的话，还是看正规机器学习的课程比较好。

这里省略了大部分比较技术那一块的笔记。。。

虽然mahout在速度上有天然优势。但R/Python其实也在接入hadoop，如RHadoop等

而且正如[别老扯什么Hadoop了，你的数据根本不够大](http://geek.csdn.net/news/detail/2780) 这里提到的，在轻量级数据上，还是没有太大必要折腾hadoop，在hadoop上用mahout的前提应该是数据量非常大

不在博客园上阅读时才会看到的，这篇博文归http://www.cnblogs.com/weibaar 所有

仅保证在博客园博客上的排版干净利索还有代码块与图片正确显示，他站请保留作者信息尊重版权啊

一、课程概述

1、综合介绍

2、聚类算法

3、分类算法

4、推荐算法

二、聚类算法

聚类应用场景如新闻聚类(多少条与之相关)。最常用的是k-means聚类

基本流程应该是指定聚类次数，定位中心点，计算平均距离，最后实现产品分类。

在Mahout里

1、提取feature

对新闻正文分词，对词编码，如doc1有哪些词出现，转化为0-1多维向量

2、feature向量化，多维的向量

之前的多维向量浪费空间，需要换一种表达方式