零基礎學習Mahout之一：搭建單機環境

一、Mahout是什么？

Mahout是Apache的一個開源項目（http://mahout.apache.org/），提供了機器學習領域的若干經典算法，以便開發人員快速構建機器學習和數據挖掘方面的應用。

Mahout是基於Hadoop的。從名稱上看也很有意思，Hadoop是一個大象的名字，而Mahout則是象夫、看象人，可見二者聯系之緊密。（這讓我自然聯想到Sun和Eclipse...）

 

我此時是一個完全沒用過Mahout的門外漢，對Hadoop也沒有實際使用經驗，算是真正的零基礎。我的目標是希望以最簡單的方式搭建起一個Mahout的開發環境，以最快的速度讓Mahout工作起來，以方便后續的進一步學習。

 

於是，經過一番折騰，便有了本文。本文記錄了Windows下Eclipse+Maven+Mahout單機環境的搭建過程。我不知道這是不是最簡單的Mahout開發環境，但它應該算得上是比較簡單的。

 

二、安裝Eclipse

這個沒啥說的，再怎么零基礎，也要會用Eclipse吧。

Eclipse的下載地址為：http://www.eclipse.org/downloads/，選擇標准版就行。

安裝完后運行Eclipse，為后續的安裝做好准備。

 

三、安裝Maven

Maven又是什么？這里只需要知道它是一個項目管理工具就行，有了它，可以非常方面的安裝Mahout和相關依賴組件。

Maven的官方網站為：http://maven.apache.org/，它是一個命令行工具，這里我們安裝的是它的Eclipse插件版本（m2eclipse），其地址為：http://www.eclipse.org/m2e/，已安裝Maven的朋友可以跳過本小節。

 

下面是m2eclipse的安裝方法。

進入的下載頁面：http://www.eclipse.org/m2e/download/

 

安裝m2eclipse方法有兩種，一種是在上面的Install圖標上按下鼠標，然后拖動到Eclipse的窗口（看哪里能夠釋放鼠標就拖到哪里，比如標題欄），稍后就會彈出如下對話框，點擊“Confirm”即可。 

 

第二種方法是通過Eclipse幫助菜單下的安裝新軟件（Install New Software）安裝：

點了上面菜單后，會彈出如下對話框，點擊Add按鈕，然后輸入Name和Location（http://download.eclipse.org/technology/m2e/releases），Location是從前面的網頁里面復制而來。

 確定后，會顯示如下內容，選擇所有項目，然后點擊Next

 同意授權，點擊Finish，Maven插件就會自動被安裝。

安裝完畢后，可通過Help > About > Installation Details確認已安裝的插件。

 

四、使用Maven構建Mahout項目

運行Eclipse，通過菜單File > New > Project新建項目，選擇Maven Project

 直接Next

 選擇maven-archetype-quickstart

 輸入GroupId和ArtifactId，可以根據自己喜好隨便命名：

 點了Finish后，Eclipse便會創建如下一個工程：

雙擊pom.xml，在右邊的面板中選擇Dependencies，點擊Add，在彈出的對話框中輸入mahout，Maven便會搜索相關包，選擇mahout-core，確定。

 

然后按Ctrl+S保存 pom.xml，maven便會下載相關jar包，在項目的Dependencies目錄下可以看到這些jar包。

到此，我們的環境就已搭建完畢，接下來便是編寫代碼。

 

 五、編寫代碼，運行程序

雙擊App.java，對其進行編輯。

作為初次嘗試，肯定要選比較簡單的算法，這里我采用的是基於用戶的協同過濾算法來計算推薦商品。完整代碼如下：

package com.mine.mahout.practice;

import java.io.File;
import java.util.List;

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.neighborhood.NearestNUserNeighborhood;
import org.apache.mahout.cf.taste.impl.recommender.GenericUserBasedRecommender;
import org.apache.mahout.cf.taste.impl.similarity.PearsonCorrelationSimilarity;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.neighborhood.UserNeighborhood;
import org.apache.mahout.cf.taste.recommender.RecommendedItem;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.similarity.UserSimilarity;


public class App 
{
    public static void main( String[] args )
    {
        try {
            // 從文件加載數據
            DataModel model = new FileDataModel(new File("e:\\data.csv"));
            // 指定用戶相似度計算方法，這里采用皮爾森相關度
            UserSimilarity similarity = new PearsonCorrelationSimilarity(model);
            // 指定用戶鄰居數量，這里為2
            UserNeighborhood neighborhood = new NearestNUserNeighborhood(2, similarity, model);
            // 構建基於用戶的推薦系統
            Recommender recommender = new GenericUserBasedRecommender(model, neighborhood, similarity);
            // 得到指定用戶的推薦結果，這里是得到用戶1的兩個推薦
            List<RecommendedItem> recommendations = recommender.recommend(1, 2);
            // 打印推薦結果
            for (RecommendedItem recommendation : recommendations) {
                System.out.println(recommendation);
            }
        } catch (Exception e) {
            System.out.println(e);
        }        
    }
}

 上面的e:\data.csv為數據文件，數據的第一列為用戶ID，第二列為商品ID，第三列為用戶對商品的評分：

1,101,5
1,102,3
1,103,2.5
2,101,2
2,102,2.5
2,103,5
2,104,2
3,101,2.5
3,104,4
3,105,4.5
3,107,5
4,101,5
4,103,3
4,104,4.5
4,106,4
5,101,4
5,102,3
5,103,2
5,104,4
5,105,3.5
5,106,4

（備注：上面的代碼和測試數據均參考自這篇博文：http://blog.csdn.net/aidayei/article/details/6626699）

接下來就可以運行程序了，選擇Java Application：

 

選擇App，或者前面直接對App.java執行運行，而不用對整個項目執行運行。

最后得到輸出結果如下：

SLF4J: Failed to load class "org.slf4j.impl.StaticLoggerBinder". SLF4J: Defaulting to no-operation (NOP) logger implementation SLF4J: See http://www.slf4j.org/codes.html#StaticLoggerBinder for further details.
RecommendedItem[item:104, value:4.257081]
RecommendedItem[item:106, value:4.0]

可以看到，Mahout為用戶1提供了兩個推薦商品，分別是104和106。

 

這樣，我們便完成了第一個Mahout程序，整個過程還算簡單吧？希望對“零基礎”的朋友有所幫助。

 

補充：前面的運行結果顯示三行紅字，說是slf4j里面的StaticLoggerBinder加載失敗，雖說它不影響程序運行結果，但看着實在煩人，解決辦法是再次編輯pom.xml的dependencies，添加一個slf4j-nop包即可。

 

（本文已移至個人網站freefalcon.cn）