歪果人数码头像

Mahout学习资料整理

来源:
       

  Mahout简介Mahout是ApacheSoftwareFoundation(ASF)旗下的一个开源项目,提供一些可扩展的机器学习领域经典算法的实现,旨在帮助开发人员更加方便快捷地创建智能应用程序Mahout相关资源Mahout主页:http://mahout.apache.org/Mahout最新版本0.8下

  Mahout简介

  Mahout是ApacheSoftwareFoundation(ASF)旗下的一个开源项目,提供一些可扩展的机器学习领域经典算法的实现,旨在帮助开发人员更加方便快捷地创建智能应用程序Mahout相关资源Mahout主页:http://mahout.apache.org/Mahout最新版本0.8下载:?http://mirrors.hust.edu.cn/apache/mahout/0.8/?使用mahout-distribution-0.8.tar.gz可试跑,源码在mahout-distribution-0.8-src.tar.gz中Mahout简要安装步骤:

  如无需修改源代码,只是试用试跑,请无需安装maven(网上许多教程会有这个弯路,请跳过),具体可以参考以下教程

  http://www.hadoopor.com/thread-983-1-1.html

  如果需要能修改源代码并重新编译打包,需要安装maven,请参考如下图文教程:http://wenku.baidu.com/view/dbd15bd276a20029bd642d55.htmlMahout专业教程:Mahoutinaction?http://yunpan.taobao.com/share/link/R56BdLH5O

  注:出版时间2012年,对应mahout版本0.5,是目前mahout最新的书籍读物。目前只有英文版,但是翻了一下,里面词汇基本都是计算机基础词汇,且配图和源代码,是适合阅读的。IBMmahout简介:?http://www.ibm.com/developerworks/cn/java/j-mahout/

  注:中文版,更新是时间为09年,但是里面对于mahout阐述较全面,推荐阅读,特别是最后的书籍清单,适合深入了解Mahout模块详解Mahout模块详解

  Mahout目前专注于推荐(RECOMMENDATIONS)、聚类(CLUSTERING)、分类(CLASSIFICATION)三大部分,具体事例可见MahoutInAction

  推荐(RECOMMENDATIONS)

  推荐算法介绍

  http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy2/index.html

  ItemBasedAlgothrim

  https://cwiki.apache.org/confluence/display/MAHOUT/Itembased+Collaborative+Filtering

  CollaborativeFilteringusingaparallelmatrixfactorization

  https://cwiki.apache.org/confluence/display/MAHOUT/Collaborative+Filtering+with+ALS-WR

  注:基于矩阵因子分解的方法,由于需要不断迭代,所以在mapreduce框架下效率会受影响

  Non-distributedrecommenders

  https://cwiki.apache.org/confluence/display/MAHOUT/Recommender+Documentatio

  注:mahout中也提供了推荐算法的非分布式的实现,其中有代号为”taste”的开源推荐引擎

  分类(CLUSTERING)

  Bayesian贝叶斯分类

  http://blog.echen.me/2011/08/22/introduction-to-latent-dirichlet-allocation/

  注:其中同时实现了NaiveBayes和ComplementaryNaive

  BayesRandomForests随机森林

  https://cwiki.apache.org/confluence/display/MAHOUT/Random+Forests

  注:在公司内部,GBDT(内部称treelink)有着广泛的引用,附介绍文章

  http://www.searchtb.com/2010/12/an-introduction-to-treelink.html?(tbsearch博客)

  http://www.cnblogs.com/LeftNotEasy/archive/2011/03/07/random-forest-and-gbdt.html?(介绍随机森林与GBDT的博客)

  LogisticRegression(逻辑回归)

  https://cwiki.apache.org/confluence/display/MAHOUT/Logistic+Regression

  注:是用SGD(StochasticGradientDescent,随机梯度下降)的方法实现的

  也可用liblinear:?http://www.csie.ntu.edu.tw/~cjlin/liblinear/?(其中支持L1&L2regularizedlogisticregression)

  SVM(支持向量机)

  目前mahout这个模块还在开发,尚未集成入发布包,如有需要,建议使用台大的libSVM包

  libSVM:http://www.csie.ntu.edu.tw/~cjlin/libsvmtools/

  聚类(CLASSIFICATION)

  聚类方法简述

  http://www.ibm.com/developerworks/cn/web/1103_zhaoct_recommstudy3/

  CanopyClustering模块分析

  http://www.cnblogs.com/vivounicorn/archive/2011/09/23/2186483.html?(中文博客)

  https://cwiki.apache.org/confluence/display/MAHOUT/Canopy+Clustering?(英文文档)

  Kmeans模块分析

  http://www.cnblogs.com/vivounicorn/archive/2011/10/08/2201986.html?(中文博客)

  https://cwiki.apache.org/confluence/display/MAHOUT/K-Means+Clustering?(英文文档)

  FuzzKmeans

  https://cwiki.apache.org/confluence/display/MAHOUT/Fuzzy+K-Means

  MeanShiftClustering

  https://cwiki.apache.org/confluence/display/MAHOUT/Mean+Shift+Clustering

  注:目前主要用于图像分割和跟踪等计算机视觉领域

  LatentDirichletAllocation(LDA)

  https://cwiki.apache.org/confluence/display/MAHOUT/Latent+Dirichlet+Allocation

  注:经典方法,附论文英文原著论文?http://machinelearning.wustl.edu/mlpapers/paper_files/BleiNJ03.pdf?(引用数:6829)

  http://www.docin.com/p-413125834.html?(基于LDA话题演化研究方法综述)

  http://leyew.blog.51cto.com/5043877/860255?(中文博客学习笔记)

  http://blog.echen.me/2011/08/22/introduction-to-latent-dirichlet-allocation/?(英文入门博客)

  PatternMining模式挖掘

  ParallelFrequentPatternMining并行频繁模式挖掘

  https://cwiki.apache.org/confluence/display/MAHOUT/Parallel+Frequent+Pattern+Mining

  论文http://wenku.baidu.com/view/9cce67ed172ded630b1cb615.html(在Query推荐中的应用)

  Dimensionreduction降维

  SingularValueDecomposition(SVD)奇异值分解

  https://cwiki.apache.org/confluence/display/MAHOUT/Dimensional+Reduction

  SVD介绍:?http://wenku.baidu.com/view/7f483a6b561252d380eb6ea6.html

  EvolutionaryAlgorithms进化算法

  进化算法框架

  进化算法介绍:

  http://www.geatbx.com/docu/algindex.html

  框架使用方法:

  https://cwiki.apache.org/confluence/display/MAHOUT/Mahout.GA.Tutorial

  注:目前mahout只是提供一套进化算法的并行化实现框架,但具体的进化算法,如遗传算法、模拟退火算法、蚁群算法等,还未集成到开发包中。相关工具书统计学习书籍

  1.统计学习基础—数据挖掘、推理与预测(中文版)

  http://yunpan.taobao.com/share/link/R56BeLI6O

  注:此书英文版每年都在更新,但是中文版只有2004年一版,而且网上纸质书早就脱销了,由于是统计学习基础,所以大多数经典内容还是可读的;

  2.统计学习基础—数据挖掘、推理与预测(英文版)(TheElementsofStatisticalLearning)

  http://yunpan.taobao.com/share/link/D56BeLKYE

  目前的最新版,第二版(09年)的的第10次印刷版本(13年)

  可与中文版对照看概率论与数理统计基础书籍

  1.浙大概率论与数理统计第三版

  http://yunpan.taobao.com/share/link/U56BeLWBT

  经典的教科书

  2.统计学完全教程(中文版)

  http://yunpan.taobao.com/share/link/756BeLYAa

  统计学的百科全书数据挖掘概述书籍

  1.数据挖掘导论(中文版)

  http://yunpan.taobao.com/share/link/O56BeLoPx

  2.DataMining.ConceptsandTechniques.3Ed(英文版)

  http://yunpan.taobao.com/share/link/256BeLopX

  注:中文版还是2000年的老版,起不到参考作用,所以放了最新的英文版统计学习在自然语言处理方面应用的书籍

  1.统计自然语言处理基础(中文版)

  http://yunpan.taobao.com/share/link/25VBpL7X其它

  更多更新可见wiki:?http://searchwiki.taobao.ali.com/index.php/PbaseLearning/mahout

Mahout学习资料整理-第1张图片