部署安裝 Mahout

一、Mahout簡(jiǎn)介

Mahout 是 Apache Software Foundation（ASF） 旗下的一個(gè)開(kāi)源項(xiàng)目，提供一些可擴(kuò)展的機(jī)器學(xué)習(xí)領(lǐng)域經(jīng)典算法的實(shí)現(xiàn)，旨在幫助開(kāi)發(fā)人員更加方便快捷地創(chuàng)建智能應(yīng)用程序。Apache Mahout項(xiàng)目已經(jīng)發(fā)展到了它的第三個(gè)年頭，目前已經(jīng)有了三個(gè)公共發(fā)行版本。Mahout包含許多實(shí)現(xiàn)，包括集群、分類、推薦過(guò)濾、頻繁子項(xiàng)挖掘。此外，通過(guò)使用 Apache Hadoop 庫(kù)，Mahout 可以有效地?cái)U(kuò)展到云中。

（就是他，騎在象頭上的那個(gè)Mahout） 

在Mahout實(shí)現(xiàn)的機(jī)器學(xué)習(xí)算法：

方法一、Mahout安裝、配置 

一、下載Mahout

http://archive.apache.org/dist/mahout/

二、解壓

tar -zxvf mahout-distribution-0.9.tar.gz

三、配置環(huán)境變量

3.1、配置Mahout環(huán)境變量

# set mahout environment

export MAHOUT_HOME=/home/yujianxin/mahout/mahout-distribution-0.9

export MAHOUT_CONF_DIR=$MAHOUT_HOME/conf

export PATH=$MAHOUT_HOME/conf:$MAHOUT_HOME/bin:$PATH

3.2、配置Mahout所需的Hadoop環(huán)境變量

 # set hadoop environment

export HADOOP_HOME=/home/yujianxin/hadoop/hadoop-1.1.2 
export HADOOP_CONF_DIR=$HADOOP_HOME/conf 

export PATH=$PATH:$HADOOP_HOME/bin

export HADOOP_HOME_WARN_SUPPRESS=not_null

四、驗(yàn)證Mahout是否安裝成功

        執(zhí)行命令mahout。若列出一些算法，則成功，如圖：

五、使用Mahout 之入門級(jí)使用

5.1、啟動(dòng)Hadoop

5.2、下載測(cè)試數(shù)據(jù)

           http://archive.ics.uci.edu/ml/databases/synthetic_control/鏈接中的synthetic_control.data

5.3、上傳測(cè)試數(shù)據(jù)

hadoop fs -put synthetic_control.data /user/root/testdata

5.4  使用Mahout中的kmeans聚類算法，執(zhí)行命令：

mahout -core  org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

花費(fèi)9分鐘左右完成聚類 。 

5.5 查看聚類結(jié)果

    執(zhí)行hadoop fs -ls /user/root/output，查看聚類結(jié)果。

方法二、 Mahout安裝與配置

Mahout是Hadoop的一種高級(jí)應(yīng)用。運(yùn)行Mahout需要提前安裝好Hadoop。Hadoop的安裝網(wǎng)上很多，并不復(fù)雜，這里不再講述，接下來(lái)闡述怎么安裝Mahout。
1：下載二進(jìn)制解壓安裝。
到http://labs.renren.com/apache-mirror/mahout/0.7下載，我選擇下載二進(jìn)制包，直接解壓及可。

hadoop@ubuntu:~$ tar -zxvf mahout-distribution-0.7.tar.gz

2：配置環(huán)境變量：在/etc/profile，/home/hadoop/.bashrc中添加如下紅色信息
#set java environment
MAHOUT_HOME=/home/hadoop/mahout-distribution-0.7
PIG_HOME=/home/hadoop/pig-0.9.2
HBASE_HOME=/home/hadoop/hbase-0.94.3
HIVE_HOME=/home/hadoop/hive-0.9.0
HADOOP_HOME=/home/hadoop/hadoop-1.1.1
JAVA_HOME=/home/hadoop/jdk1.7.0
PATH=$JAVA_HOME/bin:$PIG_HOME/bin:$MAHOUT_HOME/bin:$HBASE_HOME/bin:$HIVE_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/conf:$PATH
CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$HBASE_HOME/lib:$MAHOUT_HOME/lib:$PIG_HOME/lib:$HIVE_HOME/lib:$JAVA_HOME/lib/tools.jar
export MAHOUT_HOME
export PIG_HOME
export HBASE_HOME
export HADOOP_HOME
export JAVA_HOME
export HIVE_HOME
export PATH
export CLASSPATH

3：?jiǎn)?dòng)hadoop，也可以用偽分布式來(lái)測(cè)試

4：mahout --help    #檢查Mahout是否安裝完好，看是否列出了一些算法

5：mahout使用準(zhǔn)備
a.下載一個(gè)文件synthetic_control.data，下載地址http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data，并把這個(gè)文件放在$MAHOUT_HOME目錄下。

b.啟動(dòng)Hadoop：$HADOOP_HOME/bin/start-all.sh

c.創(chuàng)建測(cè)試目錄testdata，并把數(shù)據(jù)導(dǎo)入到這個(gè)tastdata目錄中(這里的目錄的名字只能是testdata)

hadoop@ubuntu:~/$ hadoop fs -mkdir testdata #
hadoop@ubuntu:~/$ hadoop fs -put /home/hadoop/mahout-distribution-0.7/synthetic_control.data testdata

d.使用kmeans算法(這會(huì)運(yùn)行幾分鐘左右)

hadoop@ubuntu:~/$ hadoop jar /home/hadoop/mahout-distribution-0.7/mahout-examples-0.7-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

e.查看結(jié)果

hadoop@ubuntu:~/$ hadoop fs -lsr output

如果看到以下結(jié)果那么算法運(yùn)行成功，你的安裝也就成功了。
clusteredPoints  clusters-0  clusters-1  clusters-10  clusters-2  clusters-3  clusters-4 clusters-5  clusters-6  clusters-7  clusters-8  clusters-9  data