fansy1990的专栏

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 Mahout中实现决策树算法的有两个（quick start），分别是Partial Implementation和Breiman Example，可以点击链接到相应的网页查看其官方实例。其中Breiman Example是单机版的，而Partial Implementation是可以使用ma

开发环境：Intellij IDEA14 、Maven3.2、JDK1.7、Hadoop2.6 、mahout0.10源码下载及运行参考：https://github.com/fansy1990/randomforest_classify 设计思路：Mahout 随机森林算法（Random Forest）利用建立好的模型（BuildForest的输出结果）以及描述文件（Describe的输出结果）

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 BuildForecast是在mahout-examples-0.7-job.jar包的org\apache\mahout\classifier\df\mapreduce 路径下。直接运行该类，可以看到该类的使用方式： Usage:

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 Mahout系列之Decision Forest写了几篇，其中的一些过程并没有详细说明，这里就分析一下，作为Decision Forest算法系列的结束篇。 主要的问题包括：（1）在Build Forest中分析完了Step1Mapper后就没有向下分析了，而是直接进行TestForest的分析了，

关于mahout中的random forests算法在前面已经分析过，这里简要说下其并行策略。 刚开始的时候，我以为这个算法好像没啥并行的地方，一开始就是对全部原始数据进行分析，也没有对原始数据进行分片。然后它的job任务也只有一个mapper，这样如何才能多建立几个mapper？然后这样才能达到几个节点并行吧（一个节点计算一个mapper，这样效率才高过一个节点计算多个mapper）。但是如果

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 接上篇，先来说说上篇最后的bestIg和bestIndex的求法。在说这个前，要首先明确一个数组的熵的求法，按照mahout中的源码针对这样的一个数组a=[1,3,7,3,0,2]其熵为： 设sum=1+3+7+3+0+2，则其中pi对应于1/sum、3/sum、7/sum、3/sum、2/su

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 接上篇，分析到OptIgSplitl类的computeSplit函数里面的numbericalSplit函数，看这个函数的输入参数data和attr，应该是针对data计算出一个和attr相关的值而已。往下看 double[] values = sortedValues(data, attr); ，

尼玛，好坑呀！ 昨天遇到的问题原来是找错包了，那个Step1Mapper.class 同时在mahout-core-0.7.jar     mahout-core-0.7-job.jar  mahout-examples-0.7-job.jar 三个包中，但是用到的只是mahout-core-0.7.jar中的Step1Mapper.class，所以只用替换mahout-core-0.7.jar

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 今天到BuildForest的主要Mapper操作，前面也说到BuildForest主要的操作都在Mapper里面，而reducer是没有的。本篇介绍其Mapper，Step1Mapper。首先贴上其仿制代码，如下： package mahout.fansy.partial; import j

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。 首先贴上调用TestForest的代码（win7下面myeclipse调用TestForest，这里要设置Configuration，所以不能直接TestForest.main()来调用）： package mahout.fansy.partial.test; import org.apach