fansy1990的专栏

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。在上篇blog中的最后终端的信息可以看到，svd算法一共有四个Job任务。下面通过Mahout中DistributedLanczosSolver源代码来一个个分析：为了方便后面的数据随时对照，使用wine.dat修改后的数据，如下（5行，13列）：14.23,1.71,2.43,15.6,

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。接上篇，本篇分析该算法的最后一个job。在上篇计算共生矩阵的乘积后，接下来又到了一个shouldRunNextPhase的方法了，这个方法里面含有三个prepareJob，但是本次只分析一个，为啥？因为在实战中没有设置filterFile，这里其实是可以设置filterFile的，设置这个参数的作

Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。本篇分析RecommenderJob的源码，这个类也是继承了AbstractJob，所以也会覆写其run方法，点开这个run方法，可以看到和其他的job类都一样，刚开始都是基本参数的默认值设置和获取；然后到了第一个job，在这个job之前有一个shouldRunNextPhase()函数，点开这个函数

首先说下，为什么题目后面会有个“无语篇”，因为我觉得今晚这几个钟头太坑爹了。为什么，且听我慢慢道来：按照昨天的计划，我应该把代码仿造成单机可运行的代码。但是首先我要有输入数据不是？所以我最开始做的就是仿造clusterIn的数据，即中心向量的文件。昨天也说过中心向量文件应该就是把一组（key，value）对（要求value的格式为ClusterWritable，key格式任意）写入一个序列文件

如果想直接下面算法调用包，可以直接在mahout贝叶斯算法拓展下载，该算法调用的方式如下：$HADOOP_HOME/bin hadoop jar mahout.jar mahout.fansy.bayes.BayerRunner -i hdfs_input_path -o hdfs_output_path -scl : -scv ,调用参数如下：usage: [Gener

首先说明一点，此篇blog解决的问题是就下面的数据如何应用mahout中的贝叶斯算法？（这个问题是在上篇（。。。完结篇）blog最后留的问题，如果想直接使用该工具，可以在mahout贝叶斯算法拓展下载）：0.2 0.3 0.4：10.32 0.43 0.45：10.23 0.33 0.54：12.4 2.5 2.6：22.3 2.2 2.1：25.4 7.2 7.2：35.6

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。额，好吧，心头的一块石头总算是放下了。关于Collaborative Filtering with ALS-WR这个算法中的那个QR分析，真心是太复杂了。以至于国庆后面三天基本都是在郁闷中过来的，想着自己的矩阵学的是有多差呀。。。后来算法验证弄懂之后才发觉，尼玛，java太坑爹了吧，矩阵求个逆，有那么