mrwang1992

运行太不容易了 所以要记下来以免后面忘记了首先是数据vim testdata.txt第一列为UserID ，第二列为ItemID，第三列为Preference Value 即评分1,101,51,102,31,103,2.52,101,22,102,2.52,103,52,104,23,101,2.53,104,43,105,4.53,107,54,101,54,103,3

从源代码剖析Mahout推荐引擎Hadoop家族系列文章，主要介绍Hadoop家族产品，常用的项目包括Hadoop, Hive, Pig, HBase, Sqoop, Mahout, Zookeeper, Avro, Ambari, Chukwa，新增加的项目包括，YARN, Hcatalog, Oozie, Cassandra, Hama, Whirr, Flume, Bigtop, Crunc

http://www.cnblogs.com/jerome-rong/archive/2012/05/22/2512947.html

环境apache-maven-3.0.5-bin.tar     hadoop-1.1.2-bin.tar     mahout-distribution-0.7-src.tar     mahout 需要编译hadoop就不说了 然后环境变量需要设置的这几个 650) this.width=650;" src="http://img1.51cto.com/attachment/201305/16

Taste简介 看自:http://blog.youkuaiyun.com/zhoubl668/article/details/13297583Mahout 是apache下的一个java语言的开源大数据机器学习项目，与其他机器学习项目不同的是，它的算法多数是mapreduce方式写的，可以在hadoop上运行，并行化处理大规模数据。协同过滤在mahout里是由一个叫taste的引擎提供的， 它提供两种模式，

首先创建在mysql中创建库以及对应的表mysql> create database mahout;Query OK, 1 row affected (0.00 sec)mysql> use mahout;Database changedmysql> create table intro( -> uid varchar(20) not null, -> iid varc

转自: http://blog.youkuaiyun.com/zhoubl668/article/details/13508417推荐数据的处理是大规模的，在集群环境下一次要处理的数据可能是数GB，所以Mahout针对推荐数据进行了优化。Preference在Mahout中，用户的喜好被抽象为一个Preference，包含了userId，itemId和偏好值（user对item的偏好）。Preference是

转自：http://www.cnblogs.com/dlts26/archive/2011/09/13/2174889.html1. Mahout构建的先决条件1） JDK，使用1.6版本。需要说明一下，因为要基于Eclipse构建，所以在设置path的值之前要先定义JAVA_HOME变量。2） Maven，使用2.0.11版本或以上。在eclipse上安装maven插件—m2eclipse。2.

https://cwiki.apache.org/confluence/display/MAHOUT/Algorithms 列出mahout所实现或正在实现的一些算法ClassificationLogistic Regression (SGD)BayesianSupport Vector Machines (SVM) (open: MAHOUT-14, MAHOUT-232 and MAHOUT-

推荐系统虽然有很多的技术 但是 总的来说可分为两大类    1. 基于内容的推荐(Content-Based System) 这类系统主要考察时推荐的项(Item)的性质。    2. 协同过滤系统(Collaborative-Filtering System) 这类系统通过计算用户与项之间的相似度来推荐项。基于内容的推荐: 实现的步奏    1. Item Representation：为每个i

在现实中广泛使用的推荐系统一般都是基于协同过滤算法的，这类算法通常都需要计算用户与用户或者项目与项目之间的相似度，对于数据量以及数据类型不同的数据源，需要不同的相似度计算方法来提高推荐性能，在mahout提供了大量用于计算相似度的组件，这些组件分别实现了不同的相似度计算方法。下图用于实现相似度计算的组件之间的关系：650) this.width=650;" src="http://img1.51c