xhjx2618的专栏

phase1: convert items to an internal index     这步主要是将itemId转成一个int。     input:用户评分文件（这也是我们最原始的输入了），格式一般为：userId \t itemId \t score。     map:(index, itemId)     reduce: (index, itemId)

org.apache.mahout.clustering.syntheticcontrol.kmeans.run(Configuration conf, Path input, Path output,DistanceMeasure measure, int k, double convergenceDelta,int maxIterations)，这是我们分析的起点：publ

1 运行$hadoop fs -mkdir testdata$hadoop fs -put  xxx.data testdata$hadoop jar mahout-examples-0.6-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job2 查看运行结果

1准备数据集这里使用了movieLen的数据集,下载地址: http://www.grouplens.org/node/73 这里选取了那个1m的数据集下载之后还要写个小程序将格式转化成csv格式的,才能在作为hadoop的输入package com.dataset.format.convert;import java.io.BufferedReader;

这里只是记录整个算法的主要流程，中间没有涉及到具体的细节。假设原始的数据集的格式如下：第一步：生成用户向量(user-vector)，最终输出结果为，这个vector记录了这个userId打过分的所有项目的打分值。第二步：生成项目向量(item-vector)，map的输入为第一步的输出，这一步最后的输出为，这个vector记录了所有对这个itemId打过分的userId，以及对应的打