深入浅出Hadoop Mahout数据挖掘实战(算法分析、项目实战、中文分词技术)

Mahout简介

Mahout 是 Apache Software Foundation（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.html

Mahout 专业教程 ： Mahout in action 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。

IBM mahout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

课程介绍

本课程主要涉及以下内容的讲解：

1、Mahout数据挖掘工具

2、Hadoop实现推荐系统的综合实战，涉及到MapReduce、Pig和Mahout的综合实战

课程针对人群

1、本课程适合于有一定java基础知识，对数据库和sql语句有一定了解，熟练使用linux系统的技术人员，特别适合于想换工作或寻求高薪职业的人士

2、最好有Greenplum Hadoop、Hadoop2.0、YARN、Sqoop、FlumeAvro、 Mahout等大数据基础，学习过北风课程《Greenplum 分布式数据库开发入门到精通》、《全面深入Greenplum Hadoop大数据分析平台》、《Hadoop2.0、YARN深入浅出》、《MapReduce、Hbase进阶提升》、《MapReduce、Hbase进阶提升》为最佳。

课程大纲

Mahout数据挖掘工具（10课时）

数据挖掘概念、系统组成

数据挖掘常用方法及算法（回归分析、分类、聚类等）

数据挖掘分析工具

Mahout支持的算法

Mahout起源和特点

Mahout安装、配置及测试

实战：Mahout K-means聚类分析

Mahout实现Canopy算法

Mahout实现分类算法

实战：Mahout逻辑回归分类预测

实战：Mahout朴素贝叶斯分类

推荐系统的概念及分类

协同过滤推荐算法概念、分类及应用

实战：实现基于Mahout的电影推荐系统

Hadoop综合实战-文本挖掘项目（7课时）

文本挖掘的概念及应用场景

项目背景

项目流程

中文分词技术

庖丁分词器的使用

MapReduce并行分词程序的设计与实现

Pig划分数据集

Mahout构建朴素贝叶斯文本分类器

模型应用-计算用户偏好类别