我想使用 Mahout 决策树训练过程的输出模型作为基于 Weka 的分类器的输入模型。
由于基于数百万训练记录的复杂决策树的训练对于单节点 Weka 分类器几乎是不切实际的，我想使用 Mahout 来构建模型，例如使用Random Forest Partial Implementation。
虽然上述算法在训练时可能会出现问题，但在单台机器上使用 Weka 进行预测相当简单。
在 Mahout wiki 站点上，声明用于导入的数据格式包括 Weka ARFF 格式，但不用于导出。
是否可以使用Mahout 中的一些现有实现来训练将在基于Weka 的简单系统的生产中使用的模型？
我认为不可能按照您的要求进行操作：.arff 是一种数据格式，导入/导出菜单中的所有其他选项也是如此。Weka 可以保存/加载的分类器实际上是 Weka 的 java对象，使用 Java 的接口Classifier写入文件。Serializable它们不是可移植的树，因为它们是比创建它们的 JVM 更持久的 Java 对象。因此，为了做你想做的事，Mahout 或 Weka 都必须能够生成/读取彼此的代码，而这不是我能找到任何文档的东西。
我的经验是，有几百万条训练记录（每个包含约 45 个数字特征/列），使用默认选项的 Weka 随机森林实现非常快（在单个 2.26GHz 内核上以秒为单位运行），因此可能没有必要打扰 Mahout。不过，您的数据集很可能有不同的结果。