大数据之路【第十四篇】:数据挖掘--推荐算法(Mahout工具)

数据挖掘---推荐算法(mahout工具)

一、简介

• apache*项目(2010.4)

• hadoop上的开源机器学习库

• 可伸缩扩展的

• java库

• 推荐引擎(协同过滤)、聚类和分类

 

二、机器学习介绍

• 通常问题都归为这几类问题

• 分类问题

• 回归问题

• 聚类问题

• 推荐问题

三、安装方法

3.1 下载mahout

wget http://archive.apache.org/dist/mahout/0.9/mahout-distribution-0.9.tar.gz

3.2 解压

tar -zxvf  mahout-distribution-0.9.tar.gz

四、配置环境变量

4.1 配置mahout环境变量

# set mahout environment
export mahout_home=/usr/local/src/mahout-distribution-0.9
export mahout_conf_dir=$mahout_home/conf
export path=$mahout_home/conf:$mahout_home/bin:$path

4.2 配置mahout所需的hadoop环境变量

# set hadoop environment
export hadoop_home=/usr/local/src/hadoop-1.2.1
export hadoop_conf_dir=$hadoop_home/conf
export path=$path:$hadoop_home/bin
export hadoop_home_warn_suppress=not_null

五、验证是否成功

直接执行mahout命令

支持算法列表

六、准备数据

数据格式：
1,100001,5
1,100002,3
1,100003,4
1,100004,3
1,100005,3
1,100007,4
1,100008,1
1,100009,5
1,1000011,2

七、训练

input="/movie_lens.data"
tmp_dir="/mahout_temp"
output="/cf_mahout_output"
mahout_cmd="/usr/local/src/mahout-distribution-0.9/bin/mahout“
$mahout_cmd itemsimilarity
-i $input
-o $output
--maxsimilaritiesperitem 1000
--threshold 0.0000001
--similarityclassname similarity_cosine
--tempdir $tmp_dir

 

 八、输出结果