Mahout算法解析与案例实战是一本经典的Mahout著作，原理与实战并重。不仅全面分析了Mahout算法库不同模块中的各个算法的原理及其实现流程，而且每个算法都辅之以实战案例。此外，还包括4个系统级案例，实战性非常强。
全书11章共分为三个部分：第一部分为基础篇（第1～2章），首先介绍了Mahout的应用背景、Mahout算法库收录的算法、Mahout的应用实例，以及开发环境的搭建；第二部分为算法篇（第3～7章），分析了Mahout算法库中不同模块的各个算法的原理以及Mahout实现流程，同时在各章节含有每个算法的实战，让读者可以自己运行程序，感受程序运行的各个流程；第三部分为实战篇（第8～11章），通过对4个不同系统案例的分析讲解，让读者了解开发完整的云平台系统的各个流程，即需求分析、系统框架选择及构建、系统功能设计和功能开发。
目录
- 第一部分 基础篇
- 第1章 Mahout简介 2
- 1.1 Mahout应用背景 2
- 1.2 Mahout算法库 3
- 1.2.1 聚类算法 4
- 1.2.2 分类算法 5
- 1.2.3 协同过滤算法 6
- 1.2.4 频繁项集挖掘算法 7
- 1.3 Mahout应用 7
- 1.4 本章小结 8
- 第2章 Mahout安装配置 9
- 2.1 Mahout安装前的准备 9
- 2.1.1 安装JDK 10
- 2.1.2 安装Hadoop 12
- 2.2 两种安装方式 20
- 2.2.1 使用Maven安装 20
- 2.2.2 下载发布版安装 22
- 2.3 测试安装 22
- 2.4 本章小结 24
- 第二部分 算法篇
- 第3章 聚类算法 26
- 3.1 Canopy算法 26
- 3.1.1 Canopy算法简介 26
- 3.1.2 Mahout中Canopy算法实现原理 28
- 3.1.3 Mahout的Canopy算法实战 29
- 3.1.4 Canopy算法小结 37
- 3.2 K-Means算法 37
- 3.2.1 K-Means算法简介 37
- 3.2.2 Mahout中K-Means算法实现原理 38
- 3.2.3 Mahout的K-Means算法实战 39
- 3.2.4 K-Means算法小结 46
- 3.3 Mean Shift算法 46
- 3.3.1 Mean Shift算法简介 46
- 3.3.2 Mahout中Mean Shift算法实现原理 46
- 3.3.3 Mahout的Mean Shift算法实战 48
- 3.3.4 Mean Shift算法小结 51
- 3.4 本章小结 51
- 第4章 分类算法 52
- 4.1 Bayesian算法 53
- 4.1.1 Bayesian算法简介 53
- 4.1.2 Mahout 中Bayesian算法实现原理 55
- 4.1.3 Mahout的Bayesian算法实战 59
- 4.1.4 拓展 70
- 4.1.5 Bayesian算法小结 70
- 4.2 Random Forests算法 70
- 4.2.1 Random Forests算法简介 70
- 4.2.2 Mahout中Random Forests算法实现原理 72
- 4.2.3 Mahout的Random Forests算法实战 77
- 4.2.4 拓展 81
- 4.2.5 Random Forests算法小结 82
- 4.3 本章小结 83
- 第5章 协同过滤算法 84
- 5.1 Distributed Item-Based Collaborative Filtering算法 85
- 5.1.1 Distributed Item-Based Collaborative Filtering算法简介 85
- 5.1.2 Mahout中Distributed ItemBased Collaborative Filtering算法实现原理 86
- 5.1.3 Mahout的Distributed Item Based Collaborative Filtering算法实战 90
- 5.1.4 拓展 93
- 5.1.5 Distributed ItemBased Collabo-rative Filtering算法小结 94
- 5.2 Collaborative Filtering with ALSWR算法 94
- 5.2.1 Collaborative Filtering with ALSWR算法简介 94
- 5.2.2 Mahout中Collaborative Filtering with ALS-WR算法实现原理 98
- 5.2.3 Mahout的Collaborative Filtering with ALS-WR算法实战 99
- 5.2.4 拓展 107
- 5.2.5 Collaborative Filtering with ALSWR算法小结 107
- 5.3 本章小结 107
- 第6章 模式挖掘算法 108
- 6.1 FP树关联规则算法 109
- 6.1.1 FP树关联规则算法简介 109
- 6.1.2 Mahout中Parallel Frequent Pattern Mining算法实现原理 113
- 6.1.3 Mahout的Parallel Frequent Pattern Mining算法实战 120
- 6.1.4 拓展 125
- 6.2 本章小结 126
- 第7章 Mahout中的其他算法 127
- 7.1 Dimension Reduction算法 128
- 7.1.1 Dimension Reduction算法简介 128
- 7.1.2 Mahout中Dimension Reduction算法实现原理 129
- 7.1.3 Mahout的Dimension Reduction算法实战 133
- 7.1.4 拓展 139
- 7.2 本章小结 142
- 第三部分 实战篇
- 第8章 Friend Find系统 144
- 8.1 系统功能 145
- 8.1.1 系统管理员 145
- 8.1.2 普通用户 146
- 8.1.3 总体功能 146
- 8.2 数据库设计 147
- 8.2.1 原始用户数据表 148
- 8.2.2 注册用户数据表 149
- 8.2.3 系统管理员表 149
- 8.2.4 聚类中心表 149
- 8.3 系统技术框架 150
- 8.4 系统流程 152
- 8.4.1 登录 152
- 8.4.2 注册 153
- 8.4.3 上传数据 154
- 8.4.4 调用K-Means算法 155
- 8.4.5 查看用户分组 157
- 8.4.6 查看分组情况 158
- 8.4.7 查看分组成员 159
- 8.5 系统实现 159
- 8.5.1 登录 159
- 8.5.2 注册 161
- 8.5.3 上传数据 162
- 8.5.4 调用K-Means算法 163
- 8.5.5 查看用户分组 167
- 8.5.6 查看分组情况 167
- 8.5.7 查看分组成员 168
- 8.6 本章小结 170
- 第9章 Wine Identification系统 171
- 9.1 系统功能 172
- 9.1.1 用户管理模块 173
- 9.1.2 随机森林模型建立模块 173
- 9.1.3 随机森林模型预测模块 173
- 9.2 系统框架 173
- 9.3 数据库设计 180
- 9.3.1 用户表 180
- 9.3.2 系统常量表 181
- 9.4 系统流程 181
- 9.4.1 登录 182
- 9.4.2 注销 182
- 9.4.3 权限修改 182
- 9.4.4 密码修改 183
- 9.4.5 用户列表 183
- 9.4.6 数据上传 184
- 9.4.7 随机森林模型建立 185
- 9.4.8 随机森林模型评估 186
- 9.4.9 随机森林模型预测 187
- 9.5 系统实现 188
- 9.5.1 登录 188
- 9.5.2 注销 188
- 9.5.3 权限修改 189
- 9.5.4 密码修改 190
- 9.5.5 用户列表 191
- 9.5.6 数据上传 193
- 9.5.7 随机森林模型建立 194
- 9.5.8 随机森林模型评估 194
- 9.5.9 随机森林模型预测 195
- 9.6 本章小结 196
- 第10章 Dating Recommender系统 197
- 10.1 系统功能 198
- 10.1.1 系统管理员功能 198
- 10.1.2 普通用户功能 199
- 10.1.3 功能总述 199
- 10.2 系统框架 200
- 10.3 数据库设计 203
- 10.3.1 系统管理员表 203
- 10.3.2 原始用户推荐信息表 204
- 10.3.3 基础数据top10表 204
- 10.4 系统流程 204
- 10.4.1 登录 205
- 10.4.2 上传数据 205
- 10.4.3 推荐分析 206
- 10.4.4 单用户推荐 210
- 10.4.5 新用户推荐 211
- 10.5 算法设计 214
- 10.5.1 协同过滤算法接口设计 214
- 10.5.2 top10算法设计 215
- 10.5.3 新用户推荐算法设计 221
- 10.6 系统实现 228
- 10.6.1 登录 228
- 10.6.2 上传数据 229
- 10.6.3 推荐分析 230
- 10.6.4 单用户推荐 232
- 10.6.5 新用户推荐 234
- 10.7 本章小结 235
- 第11章 博客推荐系统 237
- 11.1 系统功能 238
- 11.1.1 用户管理 238
- 11.1.2 建立知识库 239
- 11.1.3 博客管理 239
- 11.2 系统框架 240
- 11.3 数据库设计 246
- 11.3.1 用户信息表 246
- 11.3.2 知识库信息表 247
- 11.3.3 系统常量表 248
- 11.4 系统流程 248
- 11.4.1 登录 248
- 11.4.2 注册 248
- 11.4.3 密码修改 249
- 11.4.4 订阅博客查看 249
- 11.4.5 博客订阅与退订 249
- 11.4.6 博客推荐 250
- 11.4.7 上传数据 252
- 11.4.8 调用FP树关联规则算法 253
- 11.5 算法设计 260
- 11.6 系统实现 262
- 11.6.1 登录 262
- 11.6.2 注册 263
- 11.6.3 密码修改 264
- 11.6.4 订阅博客查看 265
- 11.6.5 运行FP云算法 266
- 11.6.6 博客订阅与退订 267
- 11.6.7 博客推荐 268
- 11.7 本章小结 270
