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： 专注于实际用例，这与高新技术研究及未经验证的技巧相反，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(5)，提供高质量文章和示例，特性虽然在开源领域中相对较为年轻，依照以下步骤安装示例代码：解压缩 sample.zipcd apache-mahout-exam

专注于实际用例，这与高新技术研究及未经验证的技巧相反。

提供高质量文章和示例。

特性

虽然在开源领域中相对较为年轻，但 Mahout 已经提供了大量功能，特别是在集群和 CF 方面。Mahout 的主要特性包括：

Map-Reduce 简介

Map-Reduce 是 Google 开发的一种分布式编程 API，并在 Apache Hadoop 项目中得到了实现。与分布式文件系统相结合，它可以为程序员提供一个定义良好的用于描述计算任务的 API，从而帮助他们简化并行化问题的任务。

Taste CF。Taste 是 Sean Owen 在 SourceForge 上发起的一个针对 CF 的开源项目，并在 2008 年被赠予 Mahout。

一些支持 Map-Reduce 的集群实现包括 k-Means、模糊 k-Means、Canopy、Dirichlet 和 Mean-Shift。

Distributed Naive Bayes 和 Complementary Naive Bayes 分类实现。

针对进化编程的分布式适用性功能。

Matrix 和矢量库。

上述算法的示例。

Mahout 入门

Mahout 的入门相对比较简单。首先，您需要安装以下软件：

JDK 1.6 或更高版本

Ant 1.7 或更高版本

如果要编译 Mahout 源代码，还需要安装 Maven 2.0.9 或 2.0.10

您还需要本文的示例代码（见 下载 部分），其中包括一个 Mahout 副本及其依赖关系。依照以下步骤安装示例代码：

解压缩 sample.zip

cd apache-mahout-examples

ant install

步骤 3 将下载必要的 Wikipedia 文件将编译代码。所使用的 Wikipedia 文件大约为 2.5 GB，因此下载时间将由您的宽带决定。

建立一个推荐引擎