Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一個開源項(xiàng)目，提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，旨在幫助開發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程序，并且，在 Mahout 的最近版本中還加入了對Apache Hadoop 的支持，使這些算法可以更高效的運(yùn)行在云計算環(huán)境中。

在Mahout實(shí)現(xiàn)的機(jī)器學(xué)習(xí)算法見下表：

算法類	算法名	中文名
分類算法	Logistic Regression	邏輯回歸
	Bayesian	貝葉斯
	SVM	支持向量機(jī)
	Perceptron	感知器算法
	Neural Network	神經(jīng)網(wǎng)絡(luò)
	Random Forests	隨機(jī)森林
	Restricted Boltzmann Machines	有限波爾茲曼機(jī)
聚類算法	Canopy Clustering	Canopy聚類
	K-means Clustering	K均值算法
	Fuzzy K-means	模糊K均值
	Expectation Maximization	EM聚類（期望最大化聚類）
	Mean Shift Clustering	均值漂移聚類
	Hierarchical Clustering	層次聚類
	Dirichlet Process Clustering	狄里克雷過程聚類
	Latent Dirichlet Allocation	LDA聚類
	Spectral Clustering	譜聚類
關(guān)聯(lián)規(guī)則挖掘	Parallel FP Growth Algorithm	并行FP Growth算法
回歸	Locally Weighted Linear Regression	局部加權(quán)線性回歸
降維/維約簡	Singular Value Decomposition	奇異值分解
	Principal Components Analysis	主成分分析
	Independent Component Analysis	獨(dú)立成分分析
	Gaussian Discriminative Analysis	高斯判別分析
進(jìn)化算法	并行化了Watchmaker框架	?
推薦/協(xié)同過濾	Non-distributed recommenders	Taste(UserCF, ItemCF, SlopeOne）
	Distributed Recommenders	ItemCF
向量相似度計算	RowSimilarityJob	計算列間相似度
	VectorDistanceJob	計算向量間距離
非Map-Reduce算法	Hidden Markov Models	隱馬爾科夫模型
集合方法擴(kuò)展	Collections	擴(kuò)展了java的Collections類

Mahout最大的優(yōu)點(diǎn)就是基于hadoop實(shí)現(xiàn)，把很多以前運(yùn)行于單機(jī)上的算法，轉(zhuǎn)化為了MapReduce模式，這樣大大提升了算法可處理的數(shù)據(jù)量和處理性能。

?

Mahout下個性化推薦引擎Taste介紹

Taste是?Apache Mahout?提供的一個個性化推薦引擎的高效實(shí)現(xiàn)，該引擎基于java實(shí)現(xiàn)，可擴(kuò)展性強(qiáng)，同時在mahout中對一些推薦算法進(jìn)行了MapReduce編程模式轉(zhuǎn)化，從而可以利用hadoop的分布式架構(gòu)，提高推薦算法的性能。

?

在Mahout0.5版本中的Taste，?實(shí)現(xiàn)了多種推薦算法，其中有最基本的基于用戶的和基于內(nèi)容的推薦算法，也有比較高效的SlopeOne算法，以及處于研究階段的基于SVD和線性插值的算法，同時Taste還提供了擴(kuò)展接口，用于定制化開發(fā)基于內(nèi)容或基于模型的個性化推薦算法。

?

Taste?不僅僅適用于?Java?應(yīng)用程序，還可以作為內(nèi)部服務(wù)器的一個組件以?HTTP?和?Web Service?的形式向外界提供推薦的邏輯。Taste?的設(shè)計使它能滿足企業(yè)對推薦引擎在性能、靈活性和可擴(kuò)展性等方面的要求。

?

下圖展示了構(gòu)成Taste的核心組件：

?

?

?

從上圖可見，Taste由以下幾個主要組件組成：

?

DataModel：DataModel是用戶喜好信息的抽象接口，它的具體實(shí)現(xiàn)支持從指定類型的數(shù)據(jù)源抽取用戶喜好信息。在Mahout0.5中，Taste?提供JDBCDataModel?和?FileDataModel兩種類的實(shí)現(xiàn)，分別支持從數(shù)據(jù)庫和文件文件系統(tǒng)中讀取用戶的喜好信息。對于數(shù)據(jù)庫的讀取支持，在Mahout 0.5中只提供了對MySQL和PostgreSQL的支持，如果數(shù)據(jù)存儲在其他數(shù)據(jù)庫，或者是把數(shù)據(jù)導(dǎo)入到這兩個數(shù)據(jù)庫中，或者是自行編程實(shí)現(xiàn)相應(yīng)的類。

?

??? UserSimilarit和ItemSimilarity：前者用于定義兩個用戶間的相似度，后者用于定義兩個項(xiàng)目之間的相似度。Mahout支持大部分駐留的相似度或相關(guān)度計算方法，針對不同的數(shù)據(jù)源，需要合理選擇相似度計算方法。

?

??? UserNeighborhood：在基于用戶的推薦方法中，推薦的內(nèi)容是基于找到與當(dāng)前用戶喜好相似的“鄰居用戶”的方式產(chǎn)生的，該組件就是用來定義與目標(biāo)用戶相鄰的“鄰居用戶”。所以，該組件只有在基于用戶的推薦算法中才會被使用。

?????Recommender：Recommender是推薦引擎的抽象接口，Taste?中的核心組件。利用該組件就可以為指定用戶生成項(xiàng)目推薦列表。

?

Mahout源碼目錄說明

mahout項(xiàng)目是由多個子項(xiàng)目組成的，各子項(xiàng)目分別位于源碼的不同目錄下，下面對mahout的組成進(jìn)行介紹： 1、mahout-core：核心程序模塊，位于/core目錄下； 2、mahout-math：在核心程序中使用的一些數(shù)據(jù)通用計算模塊，位于/math目錄下； 3、mahout-utils：在核心程序中使用的一些通用的工具性模塊，位于/utils目錄下； 上述三個部分是程序的主題，存儲所有mahout項(xiàng)目的源碼。 另外，mahout提供了樣例程序，分別在taste-web和examples目錄下： 4、taste-web：利用mahout推薦算法而建立的基于WEB的個性化推薦系統(tǒng)demo； 5、examples：對mahout中各種機(jī)器學(xué)習(xí)算法的應(yīng)用程序； 6、bin：bin目錄下只有一個名為mahout的文件，是一個shell腳本文件，用于在hadoop平臺的命令行下調(diào)用mahout中的程序； 在buildtools、eclipse和distribution目錄下，有mahout相關(guān)的配置文件 7、buildtools目錄下是用于核心程序構(gòu)建的配置文件，以mahout-buildtools的模塊名稱在mahout的pom.xml文件中進(jìn)行說明； 8、eclipse下的xml文件是對利用eclipse開發(fā)mahout的配置說明； 9、distribution目錄下有兩個配置文件：bin.xml和src.xml，進(jìn)行mahou安裝時的一些配置信息。 （在開發(fā)的時候一般很少對這個目錄下的文件進(jìn)行修改，所以不用太關(guān)注，知道大體什么意思就ok） 另 外，在mahout的下載地址下可以看到有個文件夾與mahout處于同一級別，它是mahout項(xiàng)目的分支項(xiàng)目—mahout- collections，用于實(shí)現(xiàn)了核心程序中使用的集合類操作，該模塊獨(dú)立于mahout進(jìn)行開發(fā)，是對標(biāo)準(zhǔn)jdk中關(guān)于集合類的修改，使其可以適應(yīng)數(shù) 據(jù)密集型項(xiàng)目的開發(fā)。 原文地址：http://www.cnblogs.com/jerome-rong/archive/2012/05/22/2512931.html

總結(jié)

以上是生活随笔為你收集整理的Mahout算法集Taste的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。