Mahout: встановлення і знайомство.

Mahout - відкрита бібілотека для машинного навчання від Apache.  Це фреймоворк, написаний на Java, який дозволяє використовувати можливості Hadoop для паралелізації алгоритмів машинного навчання.  Відокремився у 2008 році від проекту Apache Lucene (відкрита бібліотека швидкого повноготестовго пошуку)
Основні завдання, які допомагає вирішувати Mahout:

• Рекомендаційна система
• Кластеризація
• Класифікація

Реалізовані алгоритми:

• User-user та item-item алгоритми колаборативної фільтрації
• Рекомендаційні алгоритми на основі факторизації матриці уподобань користувачів
• k-means та fuzzy k-means кластеризація
• Latent Dirichlet Allocation
• Singular Value Decomposition
• Логістична регресія
• Наївний класифікатор Байеса
• Random forest

Ознайомитись з повним переліком алгоритмів можна тут: https://cwiki.apache.org/confluence/display/MAHOUT/Algorithms
Для того, щоб поекспериментувати з Mahout, можна почати з тьюторіала від IBM:
http://www.ibm.com/developerworks/ru/library/j-mahout/.
Для того, щоб запрацювали приклади з цієї статті достатньо встановити JDK, Ant та завантажити приклад коду.
В Ubuntu 12.04 все досить просто:
Встановлюємо JDK:

 sudo apt-get update  
 sudo apt-get install openjdk-7-jdk  

Вказуємо JAVA_HOME:

 export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-amd64  

Розпаковуємо приклад коду:

 unzip sample.zip  
 cd apache-mahout-examples  

Запускаємо

 ant install  

для того, щоб скомпілювати код та завантажити датасет, який містить близько 2.5Гб  інформації з Вікіпедії. Час обробки залежить від пропускної здатності інтернет-з'єднання. Якщо все пройшло успішно, вас чекає подібне до цього повідомлення:

 BUILD SUCCESSFUL  
 Total time: 104 minutes 16 seconds  

Після цього мають працювати всі приклади, описані в статті.
В наступних статтях розглянeмо встановлення Mahout + Maven + Hadoop  та огляд книги Mahout in Action.