<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[arrow8071的专栏]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/arrow8071</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; arrow8071]]></copyright><item><title><![CDATA[Mahout算法集]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52210797</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52210797</guid><author>arrow8071</author><pubDate>Mon, 15 Aug 2016 14:20:50 +0800</pubDate><description><![CDATA[Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序，并且，在
 Mahout 的最近版本中还加入了对Apache 
Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中。

在Mahout实现的机器学习算法见下表：


]]></description><category></category></item><item><title><![CDATA[hadoop2.5.2 mahout0.10.1 测试文本分类器]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52210757</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52210757</guid><author>arrow8071</author><pubDate>Mon, 15 Aug 2016 14:17:47 +0800</pubDate><description><![CDATA[说明：本文是对下面这篇文章的一个更新，下面这篇文章环境采用的是mahout0.9 + hadoop2.2.0，本人的是mahout0.10.1+hadoop2.5.2
--------------------------------------------------------------------------
mahout0.9 + hadoop2.2 中文文本分类实战（上）链接

]]></description><category></category></item><item><title><![CDATA[Mahout文本聚类学习之DocumentProcessor类]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52169638</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52169638</guid><author>arrow8071</author><pubDate>Wed, 10 Aug 2016 11:17:05 +0800</pubDate><description><![CDATA[做为文本聚类实现的第一步对语料分词是必须的，而documentprocessor类提供了一个基于mapreduce对大量数据集分词的高效灵活的实现。高效是其基于mapreduce分布式计算框架，灵活是其提供了可扩展的分词接口可以对多种语言分词的支持。
　　下面就要深入一下类内部的流程进行学习：documentprocessor类，它只提供了一个静态方法tokenizeddocuments();]]></description><category></category></item><item><title><![CDATA[java Pattern和Matcher详解]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52169388</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52169388</guid><author>arrow8071</author><pubDate>Wed, 10 Aug 2016 10:55:45 +0800</pubDate><description><![CDATA[结论：Pattern与Matcher一起合作.Matcher类提供了对正则表达式的分组支持,以及对正则表达式的多次匹配支持. 单独用Pattern只能使用Pattern.matcher(String
 regex,CharSequence input)一种最基础最简单的匹配。


Java正则表达式通过java.util.regex包下的Pattern类与Matcher类实现(建议在阅读本]]></description><category></category></item><item><title><![CDATA[Lucene分词实现:Analyzer、TokenStream]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52169233</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52169233</guid><author>arrow8071</author><pubDate>Wed, 10 Aug 2016 10:44:02 +0800</pubDate><description><![CDATA[Lucene分词实现(二次开发流程)





1.1  分词流程

在Lucene3.0中，对分词主要依靠Analyzer类解析实现。Analyzer内部主要通过TokenStream类实现。Tonkenizer类、TokenFilter类是TokenStream的两个子类。Tokenizer处理单个字符组成的字符流，读取Reader对象中的数据，处理后转换成词汇单元。Tokne]]></description><category></category></item><item><title><![CDATA[eclipse+maven+mahout ：环境搭建+推荐]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52116608</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52116608</guid><author>arrow8071</author><pubDate>Thu, 04 Aug 2016 10:14:27 +0800</pubDate><description><![CDATA[本文记录了Windows下 Eclipse+Maven+Mahout 单机环境的搭建过程。我不知道这是不是最简单的Mahout开发环境，但它应该算得上是比较简单的。
二、安装Eclipse
这个没啥说的，再怎么零基础，也要会用Eclipse吧。
Eclipse的下载地址为： 
http://www.eclipse.org/downloads/ ，选择标准版就行。 
安装完后运行Eclip]]></description><category></category></item><item><title><![CDATA[机器学习(Machine Learning)&深度学习(Deep Learning)资料]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52063126</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52063126</guid><author>arrow8071</author><pubDate>Fri, 29 Jul 2016 11:34:28 +0800</pubDate><description><![CDATA[《Brief History of Machine Learning》

介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.

《Deep Learning in Neural Networks: An Overview》

介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最]]></description><category></category></item><item><title><![CDATA[NLPIR Not valid license or your license expired!]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52063036</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52063036</guid><author>arrow8071</author><pubDate>Fri, 29 Jul 2016 11:26:46 +0800</pubDate><description><![CDATA[最近发现NLPIR的分词突然无法运行，然后出现下面的错误：
    Not valid license or your license expired! Please feel free to contact pipy_zhang@msn.com!
都说下载最新的，但是我一直以为是从官网（http://ictclas.nlpir.org/）下载。
BUT，替换了都不行啊。某一下，我在那个最新]]></description><category></category></item><item><title><![CDATA[nlpir的使用]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/52063014</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/52063014</guid><author>arrow8071</author><pubDate>Fri, 29 Jul 2016 11:25:57 +0800</pubDate><description><![CDATA[NLPIR的下载地址：

http://ictclas.nlpir.org/downloads

GitHub的地址：

https://github.com/NLPIR-team/NLPIR

  
两个版本有一些不同，本文将分别讲解如何利用Eclipse建立工程。

一、NLPIR官方版本

下载后文件夹中bin目录，如下图所示，其中NLPIR_WinDemo.exe]]></description><category></category></item><item><title><![CDATA[RapidMiner数据挖掘]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51596010</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51596010</guid><author>arrow8071</author><pubDate>Mon, 06 Jun 2016 15:42:32 +0800</pubDate><description><![CDATA[1 简介
RapidMiner原名Yale，它是用于数据挖掘、机器学习、商业预测分析的开源计算环境。根据KDnuggets在2011年的一次投票显示，从使用率来看该软件比之R语言还要略胜一筹。因为其具备GUI特性，所以很适合于数据挖掘的初学者入门。

RapidMiner提供的数据挖掘和机器学习程序包括：数据加载和转换（ETL），数据预处理和可视化，建模，评估和部署。数据挖掘的流程是以XML]]></description><category></category></item><item><title><![CDATA[mahout源码目录结构（二）]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51544804</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51544804</guid><author>arrow8071</author><pubDate>Tue, 31 May 2016 12:59:17 +0800</pubDate><description><![CDATA[1.mahout的源码实现了两部分：
(1)mahout核心源码
(2)mahout定制Collections集合工具
2.Mahout源码目录说明
mahout-core:核心程序模块，位于/core目录下
mahout-math:核心程序使用的一些数据通用计算模块，位于/math目录下
mahout-utils：在核心程序中使用的一些通用的工具性模块，位于/utils目录下
3.]]></description><category></category></item><item><title><![CDATA[在Eclipse中创建Maven的Web项目时出现错误：An internal error occurred during: "Retrieving archetypes:"]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51536012</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51536012</guid><author>arrow8071</author><pubDate>Mon, 30 May 2016 10:21:06 +0800</pubDate><description><![CDATA[在Eclipse中创建Maven的Web项目时出现错误：An internal error occurred during: "Retrieving archetypes:".

Java heap space，可以通过以下步骤来解决问题。
1. 找到Eclipse的根目录下的eclipse.ini文件并打开
2.修改文件中的以下配置
-Dosgi.requiredJavaVersion]]></description><category></category></item><item><title><![CDATA[mahout应用kmeans进行文本聚类——实例分析]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51513735</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51513735</guid><author>arrow8071</author><pubDate>Fri, 27 May 2016 11:10:27 +0800</pubDate><description><![CDATA[输入分析：
mahout下处理的文件必须是SequenceFile格式的，所以需要把txtfile转换成sequenceFile，而聚类必须是向量格式的，mahout提供下面两个命令来将文本转成向量形式
1.mahout seqdirectory：将文本文件转成SequenceFile文件，SequenceFile文件是一种二制制存储的key-value键值对,http://www.dongt]]></description><category></category></item><item><title><![CDATA[Maven那点事儿（Eclipse版）]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51513718</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51513718</guid><author>arrow8071</author><pubDate>Fri, 27 May 2016 11:09:02 +0800</pubDate><description><![CDATA[前言：
　　由于最近工作学习，总是能碰到Maven的源码。虽然平时工作并不使用Maven，但是为了学习一些源码，还是必须要了解下。这篇文章不是一个全面的Maven解析，而是一个简单的介绍，包括Eclipse中如何使用Maven，如何利用Maven工程学习。
　　循序渐进，你将会学到下面的知识：
　　maven的相关书籍！
　　什么是maven？
　　如何在eclipse中使用maven？]]></description><category></category></item><item><title><![CDATA[mahout源码目录说明（转）]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51513706</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51513706</guid><author>arrow8071</author><pubDate>Fri, 27 May 2016 11:07:43 +0800</pubDate><description><![CDATA[mahout项目是由多个子项目组成的，各子项目分别位于源码的不同目录下，下面对mahout的组成进行介绍：
1、mahout-core：核心程序模块，位于/core目录下；
2、mahout-math：在核心程序中使用的一些数据通用计算模块，位于/math目录下；
3、mahout-utils：在核心程序中使用的一些通用的工具性模块，位于/utils目录下；
上述三个部分是程序的主题，存储]]></description><category></category></item><item><title><![CDATA[eclipse中mahout源码的导入及编译]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51513688</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51513688</guid><author>arrow8071</author><pubDate>Fri, 27 May 2016 11:05:57 +0800</pubDate><description><![CDATA[1、将mahout源码导入到eclipse中：
       1）解压mahout源码压缩文件，目录时：E:\EProject\mahout-distribution-0.5
2）把源码导入eclipse中（eclipse的版本必须是3.6以上的吧，因为我3,5的没有自带maven项目）
打开eclipse，点击file->import 在开打的对话框中，选择导入maven项目如下图，然后点]]></description><category></category></item><item><title><![CDATA[POM文件详解]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51509796</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51509796</guid><author>arrow8071</author><pubDate>Thu, 26 May 2016 19:00:03 +0800</pubDate><description><![CDATA[POM，Project Object Model，在MAVEN1中叫做project.xml，到maven2后改为pom.xml。该文件用于管理：源代码、配置文件、开发者的信息和角色、问题追踪系统、组织信息、项目授权、项目的url、项目的依赖关系等等。一个maven项目可以没有任何源代码，但必须包含pom文件。



  xsi:schemaLocation="http://maven.a]]></description><category></category></item><item><title><![CDATA[hadoop + mahout 安装配置]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51501436</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51501436</guid><author>arrow8071</author><pubDate>Wed, 25 May 2016 20:31:24 +0800</pubDate><description><![CDATA[最近一直捣鼓Mahout，终于在Hadoop下成功跑起来了。由于涉及的点比较多，这里先记录整理一下，做参考备忘使用。
一、操作系统
Ubuntu Desktop 13.04 （RaringRingtail）
官网地址：
http://releases.ubuntu.com/13.04/
国内镜像地址:
中科大  
http://ubuntu1304.cdn.mirrors.ustc.]]></description><category></category></item><item><title><![CDATA[hadoop命令详解]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51498060</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51498060</guid><author>arrow8071</author><pubDate>Wed, 25 May 2016 14:19:34 +0800</pubDate><description><![CDATA[hadoop命令详解

一、用户命令
1、archive命令
(1).什么是Hadoop archives?
Hadoop archives是特殊的档案格式。一个Hadoop archive对应一个文件系统目录。 Hadoop archive的扩展名是*.har。Hadoop archive包含元数据(形式是_index和_masterindx)和数据文件(part-*)。_index文]]></description><category></category></item><item><title><![CDATA[（转）Mahout使用入门]]></title><link>https://blog.youkuaiyun.com/arrow8071/article/details/51488916</link><guid>https://blog.youkuaiyun.com/arrow8071/article/details/51488916</guid><author>arrow8071</author><pubDate>Tue, 24 May 2016 11:35:35 +0800</pubDate><description><![CDATA[一、简介
Mahout 
是 Apache Software Foundation（ASF）旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。Apache Mahout项目已经发展到了它的第三个年头，目前已经有了三个公共发行版本。Mahout包含许多实现，包括集群、分类、推荐过滤、频繁子项挖掘。此外，通过使用
 Apache Ha]]></description><category></category></item></channel></rss>