Mahout

项目开展的目的：

• 建立一个可靠、文档翔实、可伸缩的项目，在其中实现一些常见的用于集群和分类的机器学习算法。
• 建立一个用户和贡献者社区，使代码不必依赖于特定贡献者的参与或任何特定公司和大学的资金。
• 专注于实际用例，这与高新技术研究及未经验证的技巧相反。
• 提供高质量文章和示例。

特性：

Mahout 提供了大量功能，特别是在集群和 CF 方面。Mahout 的主要特性包括：

• Taste CF。Taste 是 Sean Owen 在 SourceForge 上发起的一个针对 CF 的开源项目，并在 2008 年被赠予 Mahout。
• 一些支持 Map-Reduce 的集群实现包括 k-Means、模糊 k-Means、Canopy、Dirichlet 和 Mean-Shift。
• Distributed Naive Bayes 和 Complementary Naive Bayes 分类实现。
• 针对进化编程的分布式适用性功能。
• Matrix 和矢量库。
• 上述算法的示例。

Mahout 入门：

Mahout 的入门相对比较简单。首先，您需要安装以下软件：

• JDK 1.6 或更高版本
• Ant 1.7 或更高版本
• 如果要编译 Mahout 源代码，还需要安装 Maven 2.0.9 或 2.0.10

您还需要本文的示例代码（见 下载部分），其中包括一个 Mahout 副本及其依赖关系。依照以下步骤安装示例代码：

1. 解压缩 sample.zip
2. cd apache-mahout-examples
3. ant install

步骤 3 将下载必要的 Wikipedia 文件将编译代码。所使用的 Wikipedia 文件大约为 2.5 GB，因此下载时间将由您的宽带决定。