Mahout的安装配置与使用

 Mahout 是Apache旗下的一个机器学习和数据挖掘的分布式框架，包括聚类，分类，协同过滤，关联规则挖掘等

经典的算法。

     1. 安装Maven

     wget http://apache.etoak.com//maven/maven-3/3.0.4/binaries/apache-maven-3.0.4-bin.tar.gz 下载

最新版本的Maven. tar xvf apache-maven-3.0.2-bin.tar.gz 解压后配置路径，vi ~/.bashrc 在此文件添加如下两行

export M3_HOME=maven的实际安装路径
export PATH=${M3_HOME}/bin:${PATH}

 然后执行. ~/.bashrc使之生效，通过mvn -version 查看版本来看是否安装成功。

    2. 安装Mahout

     svn co http://svn.apache.org/repos/asf/mahout/trunk mahout 将mahout从代码库中下载下来，在mahout

目录执行mvn install 安装，如果想快一点就跳过单元测试检验的那些个环节，使用mvn clean install -DskipTests=true。

如果过程中没有报错的话说明安装成功。

    3.  运行Mahout中的示例程序

     在/mahout/examples/bin下有个聚类的测试脚本，我们可以运行来看一下，不过事先要配置好Hadoop的运行环境，

我们运行下面这个

脚本，cluster-syntheticcontrol.sh

xxx@xxx: ./cluster-syntheticcontrol.sh

Please select a number to choose the corresponding clustering algorithm

1. canopy clustering

2. kmeans clustering

3. fuzzykmeans clustering

4. dirichlet clustering

5. meanshift clustering

Enter your choice :

 这里有好几个聚类的算法，都是使用http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data

这里的数据。实际跑一下，在hdfs里面output/clusters-*目录下可以查看结果。

    我们在运行一个协调过滤的例子，采用的是SlopeOne推荐的，从http://www.grouplens.org/node/12 下载需要的测试数据，

wget http://www.grouplens.org/system/files/ml-100k.zip unzip命令解压后，找到ua.base文件，将它放到HDFS文件系统

中去，hadoop fs -put ./ua.base input 。之后再/mahout/core/target目录下，执行下面的一串命令：

hadoop jar mahout-core-0.8-SNAPSHOT-job org.apache.mahout.cf.taste.hadoop.pseudo.RecommenderJob -Dmapred.input.dir=input/ua.base -Dmapred.output.dir=output/recommend/ --recommenderClassName org.apache.mahout.cf.taste.impl.recommender.slopeone.SlopeOneRecommender

运行之后我们将结果从hdfs导出到本地，hadoop fs -get output/recommend/  output, 先将part-r-00000.gz解压一下，然后tail -f part-r-00000就可以看到生成的

推荐结果了：

934 [1500:5.612117,1643:5.000663,1463:5.0,1293:5.0,1642:4.8183527,1368:4.740515,1398:4.733873,1639:4.5879145,114:4.5742764,1158:4.508668]

935 [851:5.9419937,1449:5.3944926,1398:5.373123,1158:5.355277,1612:5.3333335,1064:5.3093076,1191:5.2806797,1080:5.2754364,1332:5.226541,1642:5.147603]

936 [1500:5.6213202,1449:5.337122,851:5.314575,1463:5.2984333,1612:5.2581205,1642:5.093908,1398:5.015227,1293:5.0,1064:4.9175024,1158:4.8493795]

937 [1500:5.1213202,1293:5.0,1449:4.864124,1467:4.5690355,1612:4.5,1642:4.4209914,1175:4.369398,851:4.277082,1398:4.2526293,169:4.2230315]

938 [1500:6.0,851:5.4116225,1449:5.261485,1080:5.135357,1639:5.120229,1398:5.0513654,1612:5.0416207,1064:4.988654,1158:4.974,1629:4.9657393]

939 [1294:6.5,1175:6.5,1467:6.226541,851:6.0186186,1080:6.0,1233:5.995873,1629:5.8823447,1449:5.8435216,169:5.7910223,114:5.780447]

940 [1500:5.5841513,1463:5.119504,1293:5.0,1449:4.636525,1643:4.544313,1368:4.500481,1191:4.486469,1398:4.401837,1612:4.361653,1642:4.3293104]

941 [1500:7.5,868:6.0,1398:6.0,1639:6.0,1158:5.512253,1467:5.4142137,1396:5.2928934,1642:5.2928934,1080:5.2132034,851:5.1633635]

942 [1463:5.5285954,1500:5.5118446,1293:5.5,1449:5.4203076,1398:5.29603,1642:5.252299,1467:5.209111,1158:5.1849523,1524:5.1738963,1368:5.1218886]

943 [1080:5.3644133,1233:5.303138,1449:5.2133603,1500:5.178636,1467:5.017004,1293:5.0,1612:5.0,1398:4.874856,1643:4.863265,1607:4.8206778]

   怎么样，功能强大吧，所有的算法mahout都帮你实现好了，你需要的只是提供数据而已，ua.base中的数据是这样的：

943 1044    3   888639903

943 1047    2   875502146

943 1074    4   888640250

943 1188    3   888640250

943 1228    3   888640275

943 1330    3   888692465

 用户ID    ItemID    preference分值    Timestamp时间戳