Apache Mahout 简介：通过可伸缩、商业友好的机器学习来构建智能应用程序

核心提示： 注意虚构数据！本文中的示例完全使用的是虚构数据，我自己完成了所有评分，Apache Mahout 简介：通过可伸缩、商业友好的机器学习来构建智能应用程序(7)，模拟了 10 个对 Abraham Lincoln 感兴趣的实际用户，虽然我相信数据内部的概念很有趣，对于此数据，我发现这种组合最为合适

注意虚构数据！

本文中的示例完全使用的是虚构数据。我自己完成了所有评分，模拟了 10 个对 Abraham Lincoln 感兴趣的实际用户。虽然我相信数据内部的概念很有趣，但数据本身以及所使用的值并非如此。我选择虚构数据的原因是希望在所有示例中都使用单一数据集。

首先，我将演示如何为在 recommendations.txt 文件中指定了分数的用户创建推荐。这是 Taste 最为常见的应用，因此首先需要载入包含推荐的数据，并将它存储在一个 DataModel 中。Taste 提供了一些不同的 DataModel 实现，用于操作文件和数据库。在本例中，为简便起见，我选择使用 FileDataModel 类，它对各行的格式要求为：用户 ID、项目 ID、首选项 — 其中，用户 ID 和项目 ID 都是字符串，而首选项可以是双精度型。建立了模型之后，我需要通知 Taste 应该如何通过声明一个 UserSimilarity 实现来比较用户。根据所使用的 UserSimilarity 实现，您可能还需要通知 Taste 如何在未指定明确用户设置的情况下推断首选项。清单 1 实现了以上代码。（示例代码 中的 cf.wikipedia.WikipediaTasteUserDemo 包含了完整的代码清单）。

清单 1. 创建模型和定义用户相似度

//create　the　data　model　
FileDataModel　dataModel　=　new　FileDataModel(new　File(recsFile));　
UserSimilarity　userSimilarity　=　new　PearsonCorrelationSimilarity(dataModel);　
//　Optional:　
userSimilarity.setPreferenceInferrer(new　AveragingPreferenceInferrer(dataModel));　

在 清单 1 中，我使用了 PearsonCorrelationSimilarity，它用于度量两个变量之间的关系，但是也可以使用其他 UserSimilarity 度量。应该根据数据和测试类型来选择相似度度量。对于此数据，我发现这种组合最为合适，但仍然存在一些问题。