大配套之四章数据挖掘工具.pdfVIP

教授，博士。现任大数据院长、信息大数据分会副会长、

数据技术与应用副理事长。

主持完成科研项目25项，80余篇，专业书籍15本。获部级科技进步二等奖

4项、三等奖4项。主编的《云计算》被高校普遍采用，被量计算机第

一名。创办了知名的云计算（）和数据（）。

曾率队夺得2002PennySort国际计算机排序比赛冠军，两次夺得高校科技比赛最

高奖，并三次夺得科技比赛最高奖。

荣获“全军十大学习成才标兵”（第一）、“十大杰出青年”、江苏省中青年

人、“学术新秀”等称号。

高校标准《云计算》姊妹篇，剖析大数据技术和实战应用

第四章大数据挖掘工具

1.Mahout

2.SparkMLlib

3.其他数据挖掘工具

习题

3of44

4.1Mahout

◆Mahout简介

定义：ApacheMahout是一个由Java语言实现的

开源的可扩展的机器学习算法库

2008年之前

发ApacheLucene开源有哪些信誉好的足球投注网站引擎的子项目

展实现Lucene框架中的聚类以及分类算法

吸纳协调过滤项目Taste成为独立子项目

2010年以后

成为Apache顶级项目驱象人

实现聚类、分类和协同过滤等机器学习算法

既可以单机运行也可在Hadoop平台上运行

目标：机器学台，提供类似R的DSL以支持线性代数运算（如分布式向量计

算）、大数据统计等基本功能

4of44

4.1Mahout

◆Mahout在各平台支持的机器学习算法

算法单机MapReduceSparkH2O

聚类算法————

Canopydeprecateddeprecated——

k-meansxx——

模糊k-meansxx——

流k-meansxx——

谱聚类—x——

分类算法————

逻辑回归x———