smallnetvisitor的博客

mahout常用Vector一览表: org.apache.mahout.math.ConstantVector; org.apache.mahout.math.DenseVector; org.apache.mahout.math.NamedVector; org.apache.mahout.math.RandomAccessSparseVector; org.apache.maho...

版本依赖： <dependency> <groupId>org.apache.mahout</groupId> <artifactId>mahout-core</artifactId> <version>0.6</version> </dependency>  

MinHash可用于聚类或者计算相似度，详情概述参见"MinHash概述及举例"博客，此处阐述mahout的MinHash实现,mahout用minhash来聚类。 涉及主要类：   org.apache.mahout.clustering.minhash.MinHashDriver org.apache.mahout.clustering.minhash.MinHashMapper ...

RMS值实际就是方均根值，就是一组统计数据的平方和的平均值的平方根。 RMSE为均方根误差，标示实际值与预测值之间的误差。公式如下：   MAE为平均绝对误差   其中X(is)为x(i)的实际值，X(i)为预测值 ...

背景： 进行文本挖掘的时候，无论是聚类还是相似计算首先需要向量化。 思路： 对于某一文本计算完其tf(tf-idf)之后生成word->tf(tf-idf)的对应表，那么构造成向量记做: v=（a1，a2，…，an） 此为为n维向量。a1...an为tf(tf-idf)，同时我们把word转换成int来作为下标。 实现： /** * vector转换 * ...

环境： <dependency> <groupId>org.apache.mahout</groupId> <artifactId>mahout-core</artifactId> <version>0.8</version> </dependenc

Collaborative Filtering User-Based Collaborative Filtering - single machine Item-Based Collaborative Filtering - single machine / MapReduce Matrix Factorization with Alternating Least Squares ...

mahout版本：0.9 hadoop版本：2.3.0 基于决策树步骤如下： 1.基于已有数据形成描述文件 2.训练建树 3.分类预测 数据集： http://nsl.cs.unb.ca/NSL-KDD/ 下载KDDTrain+.TXT和KDDTest+.TXT 具体的应用步骤： 1.上传数据到hdfs上： hadoop put *.TXT /user/test/df/...

Describe用于生成数据描述文件主要用于决策树分类使用，换句话说就是对数据项的描述说明，为json格式，生成的样例如下： [ { "values": null, "label": false, "type": "numerical" }, { "values": [ ...