hadoop 之Mahout 数据挖掘

Mahout 仅提供一些java的算法包，通过Mahout执行这些算法包，并把hdfs上的文件作为输入可以在hadoop上做分布式计算

提供的常用算法

Mahout
 
提供了常用算法的程序库，可以基于分布式做数据挖掘.
 
 
常见算法
 
回归算法：用于预测(日期交易量预测等等)。
比如身高和体重作为x,y坐标，给出一组人的身高体重，形成作为图上的一个个点(学习集),
计算出一条直线或者抛物曲线,能够离所有点综合距离最小。
那么可以任意给出身高，根据给出的曲线预测出相应的体重。
-------------------------------------------------------------
分类器
 
依据以往的数据样本，做出一个分类器(或者说分类函数)，对现有的数据进行分类。
通常是二分函数
 
贝叶斯分类器 概率分类器
常用于垃圾邮件的分类，将邮件内容进行分词，发现词语高频率属于垃圾邮件的词汇，
判断出此邮件是否为垃圾邮件的概率。
---------------------------------------------------------------
聚类(K-Means)
 
根据数据的共同特性，进行归类。
 
比如动物的进化树，通过分析DNA做聚类，可以计算出哪些生物是有亲缘关系。
------------------------------------------------------------------
频繁数据挖掘
 
依据以往数据样本,计算出物品共同出现的概率。
可以做推荐系统
-----------------------------------