共计 4215 个字符,预计需要花费 11 分钟才能阅读完成。
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,丸趣 TV 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
丸趣 TV 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 };
-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。