一、Mahout簡介
Mahout 是 Apache Software Foundation（ASF） 旗下的一個開源
項目 ，提供一些可擴充的 機器 學習領域經典 算法 的實作，旨在幫助開發人員更加友善快捷地建立智能應用程式。Apache Mahout項目已經發展到了它的第三個年頭，目前已經有了三個公共發行版本。Mahout包含許多實作，包括叢集、分類、推薦過濾、頻繁子項挖掘。此外，通過使用 Apache Hadoop 庫，Mahout 可以有效地擴充到雲中。
| 算法類 | 算法名 | 中文名 |
| 分類算法 | Logistic Regression | 邏輯回歸 |
| Bayesian | 貝葉斯 | |
| SVM | 支援向量機 | |
| Perceptron | 感覺器算法 | |
| Neural Network | 神經網絡 | |
| Random Forests | 随機森林 | |
| Restricted Boltzmann Machines | 有限波爾茲曼機 | |
| 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 | 狄裡克雷過程聚類 | |
| Latent Dirichlet Allocation | LDA聚類 | |
| Spectral Clustering | 譜聚類 | |
| 關聯規則挖掘 | Parallel FP Growth Algorithm | 并行FP Growth算法 |
| 回歸 | Locally Weighted Linear Regression | 局部權重線性回歸 |
| 降維/維約簡 | Singular Value Decomposition | 奇異值分解 |
| Principal Components Analysis | 主成分分析 | |
| Independent Component Analysis | 獨立成分分析 | |
| Gaussian Discriminative Analysis | 高斯判别分析 | |
| 進化算法 | 并行化了Watchmaker架構 | |
| 推薦/協同過濾 | 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 | 隐馬爾科夫模型 |
| 集合方法擴充 | Collections | 擴充了java的Collections類 |
方法一、Mahout安裝、配置
一、下載下傳Mahout
http://archive.apache.org/dist/mahout/
二、解壓
tar -zxvf mahout-distribution-0.9.tar.gz
三、配置環境變量
3.1、配置Mahout環境變量
# set mahout environment
export MAHOUT_HOME=/home/yujianxin/mahout/mahout-distribution-0.9
export MAHOUT_CONF_DIR=$MAHOUT_HOME/conf
export PATH=$MAHOUT_HOME/conf:$MAHOUT_HOME/bin:$PATH
3.2、配置Mahout所需的Hadoop環境變量
# set hadoop environment
export HADOOP_HOME=/home/yujianxin/hadoop/hadoop-1.1.2
export HADOOP_CONF_DIR=$HADOOP_HOME/conf
export PATH=$PATH:$HADOOP_HOME/bin
export HADOOP_HOME_WARN_SUPPRESS=not_null
四、驗證Mahout是否安裝成功
執行指令mahout。若列出一些算法，則成功，如圖：
五、使用Mahout 之入門級使用
5.1、啟動Hadoop
5.2、下載下傳測試資料
http://archive.ics.uci.edu/ml/databases/synthetic_control/連結中的synthetic_control.data
5.3、上傳測試資料
hadoop fs -put synthetic_control.data /user/root/testdata
5.4 使用Mahout中的kmeans聚類算法，執行指令：
mahout -core org.apache.mahout.clustering.syntheticcontrol.kmeans.Job
花費9分鐘左右完成聚類 。
5.5 檢視聚類結果
執行hadoop fs -ls /user/root/output，檢視聚類結果。
方法二、 Mahout安裝與配置
Mahout是Hadoop的一種進階應用。運作Mahout需要提前安裝好Hadoop。Hadoop的安裝網上很多，并不複雜，這裡不再講述，接下來闡述怎麼安裝Mahout。
1：下載下傳二進制解壓安裝。
到http://labs.renren.com/apache-mirror/mahout/0.7下載下傳，我選擇下載下傳二進制包，直接解壓及可。
hadoop@ubuntu:~$ tar -zxvf mahout-distribution-0.7.tar.gz 2：配置環境變量：在/etc/profile，/home/hadoop/.bashrc中添加如下紅色資訊
#set java environment
MAHOUT_HOME=/home/hadoop/mahout-distribution-0.7
PIG_HOME=/home/hadoop/pig-0.9.2
HBASE_HOME=/home/hadoop/hbase-0.94.3
HIVE_HOME=/home/hadoop/hive-0.9.0
HADOOP_HOME=/home/hadoop/hadoop-1.1.1
JAVA_HOME=/home/hadoop/jdk1.7.0
PATH=$JAVA_HOME/bin:$PIG_HOME/bin:$MAHOUT_HOME/bin:$HBASE_HOME/bin:$HIVE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/conf:$PATH
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$HBASE_HOME/lib:$MAHOUT_HOME/lib:$PIG_HOME/lib:$HIVE_HOME/lib:$JAVA_HOME/lib/tools.jar
export MAHOUT_HOME
export PIG_HOME
export HBASE_HOME
export HADOOP_HOME
export JAVA_HOME
export HIVE_HOME
export PATH
export CLASSPATH
3：啟動hadoop，也可以用僞分布式來測試
4：mahout --help #檢查Mahout是否安裝完好，看是否列出了一些算法
5：mahout使用準備
a.下載下傳一個檔案synthetic_control.data，下載下傳位址http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data，并把這個檔案放在$MAHOUT_HOME目錄下。
b.啟動Hadoop：$HADOOP_HOME/bin/start-all.sh
c.建立測試目錄testdata，并把資料導入到這個tastdata目錄中(這裡的目錄的名字隻能是testdata)
hadoop@ubuntu:~/$ hadoop fs -mkdir testdata #
hadoop@ubuntu:~/$ hadoop fs -put /home/hadoop/mahout-distribution-0.7/synthetic_control.data testdata d.使用kmeans算法(這會運作幾分鐘左右)
hadoop@ubuntu:~/$ hadoop jar /home/hadoop/mahout-distribution-0.7/mahout-examples-0.7-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job e.檢視結果
hadoop@ubuntu:~/$ hadoop fs -lsr output 如果看到以下結果那麼算法運作成功，你的安裝也就成功了。
clusteredPoints clusters-0 clusters-1 clusters-10 clusters-2 clusters-3 clusters-4 clusters-5 clusters-6 clusters-7 clusters-8 clusters-9 data