如何进行mahout的安装使用

这篇文章给大家介绍如何进行mahout的安装使用，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。

• 安装mahout

在 http://mahout.apache.org/ 官网上下载mahout，小编下载的版本是 mahout-distribution-0.9.tar.gz  

解压到mahout文件夹下

修改环境变量

在 /etc/profile 中添加 :

export CLASSPATH=$CLASSPATH:.:$JAVA_HOME/lib:$MAHOUT_HOME/lib:$JAVA_HOME/jre/lib

export MAHOUT_HOME=/home/Shin/hadoop-1.2.1/mahout/mahout-distribution-0.9

export MAHOUT_CONF_DIR=/home/Shin/hadoop-1.2.1/mahout/mahout-distribution-0.9/conf

export PATH=$PATH:/home/Shin/hadoop-1.2.1/mahout/mahout-distribution-0.9/bin

export HADOOP_CONF_DIR=/home/Shin/hadoop-1.2.1/conf

之后source一下 /etc/profile

小编是通过使用在java中调用linux命令的方式来调用mahout中的随机森林

• java调用linux命令

有如下API：

Process exec(String command) // 在单独的进程中执行指定的字符串命令

Process exec(String command, String[] envp) // 在指定环境的单独进程中执行指定的字符串命令

Process exec(String command, String[] envp, File dir) // 在有指定环境和工作目录的独立进程中执行指定的字符串命令

Process exec(String[] cmdarray) //在单独的进程中执行指定命令和变量

Process exec(String[] cmdarray, String[] envp) // 在指定环境的独立进程中执行指定命令和变量

Process exec(String[] cmdarray, String[] envp,File dir) //在指定环境和工作目录的独立进程中执行指定的命令和变量

• mahout调用随机森林的命令参数

  
  

• 参照

• http://mahout.apache.org/users/classification/partial-implementation.html




• 
  

// 生成数据集描述文件
String[] commmandStrings1 = new String[] {
"/home/Shin/hadoop-1.2.1/bin/hadoop",
"jar",
"/home/Shin/hadoop-1.2.1/mahout/mahout-distribution-0.9/mahout-core-0.9-job.jar",
"org.apache.mahout.classifier.df.tools.Describe", "-p",
"citydata/city.txt", "-f", "citydata/city+.info", "-d",
"15", "N", "C", "L" };
参数：
-p：训练数据路径
-f：输出描述文件路径
-d：数据属性描述，具体如下
N: NUMERICAL
C: CATEGORICAL
L: LABEL
I: IGNORED

数据：(citytest.txt)
115 0.5 0.85 11 49 230 257 155 231 0 0 20 54 2 2 臭氧1小时 轻度污染
45 0.4 0.583 8 23 144 226 113 196 19 49 19 35 2 3 null 优
31 0.394 0.478 8 16 68 96 46 80 31 28 8 11 3 3 null 优
27 0.779 0.84 16 25 86 87 61 82 26 40 11 17 6 10 null 优
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 null null
95 1.441 1.203 11 37 92 177 102 102 135 79 71 35 39 40 细颗粒物(PM2.5) 良
51 0.559 0.563 7 12 74 74 68 68 52 64 15 17 22 22 颗粒物(PM10) 良
43 0.286 0.365 5 20 52 59 45 45 43 48 12 16 9 9 null 优
68 1.178 1.748 14 58 105 129 74 90 85 92 26 38 13 10 颗粒物(PM10) 良
55 0.435 0.82 11 32 76 94 57 80 53 107 39 59 3 2 细颗粒物(PM2.5) 良

// 生成决策森林 
String[] commmandStrings2 = new String[] {
"/home/Shin/hadoop-1.2.1/bin/hadoop",
"jar",
"/home/Shin/hadoop-1.2.1/mahout/mahout-distribution-0.9/mahout-examples-0.9-job.jar",
"org.apache.mahout.classifier.df.mapreduce.BuildForest",
"-Dmapred.max.split.size=1874231", "-d",
"citydata/city.txt", "-ds", "citydata/city+.info", "-sl",
"5", "-p", "-t", "100", "-o", "nsl-forest" };
-d：训练数据文件路径
-ds：数据描述文件路径
-sl：每个数的每个节点随机选多少个属性
-p：代表使用部分执行
-t：创建树的数量
-o：输出决策森林文件路径

// 使用决策森林分类新数据
String[] commmandStrings3 = new String[] {
"/home/Shin/hadoop-1.2.1/bin/hadoop",
"jar",
"/home/Shin/hadoop-1.2.1/mahout/mahout-distribution-0.9/mahout-examples-0.9-job.jar",
"org.apache.mahout.classifier.df.mapreduce.TestForest",
"-i", "citydata/citytest.txt", "-ds",
"citydata/city+.info", "-m", "nsl-forest", "-a", "-mr",
"-o", "predictions" };
-i：测试文件路径
-ds：数据描述文件路径
-m：决策森林文件所在路径
-mr：使用Hadoop分布计算
-o：输出文件路径

Process process1, process2, process3
// Process exec(String[] cmdarray)
process1 = Runtime.getRuntime().exec(commmandStrings1);
process1.waitFor();
process2 = Runtime.getRuntime().exec(commmandStrings2);
process2.waitFor();
process3 = Runtime.getRuntime().exec(commmandStrings3);
process3.waitFor();

由于是编程调用linux，其原本在控制台的输出没有可以显示的地方，要获得控制台的输出，通常使用

process.getInputStream()

可是，使用这个API后，eclipse编辑器控制台没有得到任何输出，尝试使用其他linux命令，Eg：bin/hadoop dfs -rmr test.txt  则可以得到输出。

偶然间使用

process.getErrorStream()

竟然能得到mahout的输出

InputStreamReader ir = new InputStreamReader(process.getErrorStream());
LineNumberReader input = new LineNumberReader(ir);
while ((line = input.readLine()) != null) {
    相关操作
}

mahout预测结果输出

predictions/citytest.txt.out

预测结果可以在终端下可以用查看

bin/hadoop dfs -cat predictions/*

预测结果是double类型的0.0,1.0,2.0    但是，在eclipse下查看是空的，将其load到本地查看是乱码，放到windows下显示正常，但是浮点数间有空格，后来在终端下用vim编辑可以看到数据真正的展示形式  ^@0 ^@ . ^@0

解决方案如下

FileReader in = new FileReader("citytest.txt.out");
BufferedReader bin = new BufferedReader(in);
FileWriter out = new FileWriter("cityout.txt");
String str;
while ((str = bin.readLine()) != null) {
	char a = str.charAt(1);
	char b = str.charAt(3);
	char c = str.charAt(5);
	String s = Character.toString(a) + Character.toString(b)+ Character.toString(c);
	out.write(s + "\n");
    }
in.close();
out.close();

关于如何进行mahout的安装使用就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。