问题标签 [mahout]

我打算在我的项目中使用 hadoop 作为“计算集群”。但是后来我读到 Hadoop 不适用于实时系统，因为与作业开始相关的开销。我正在寻找可以以这种方式使用的解决方案 - 可以轻松扩展到多台机器但不需要太多输入数据的作业。更重要的是，我想使用机器学习工作，例如实时使用在神经网络之前创建的。

我可以为此目的使用哪些库/技术？

我是新手。

我已经使用了 mahout 的基于项目的算法和对数似然相似性度量。我在过去的帖子中读到，当推荐器处理二进制值（喜欢或不喜欢）时，最好使用对数似然相似性。我还读到 mahout 使用三个值（喜欢、不喜欢、不存在）。所以我对输入数据集文件的格式有点困惑。

输入文件格式必须是这样的吗？

默认情况下的首选项是1？

我想知道是否有办法将不喜欢的信息放入数据集中。

除了输入数据集文件之外，我会是这样的：

userid, itemid, binaryPreference 1, 15, 1.0

2, 35, 0

1、25、1.0……

请帮帮我！提前谢谢！

我正在使用 Mahout 的推荐引擎，并且在使用 genericdatamodel 对象时遇到了问题。我的问题是，如果我想将一些新的用户数据添加到现有的数据模型中，这是唯一的方法，通过再次读取所有数据来重建新的数据模型。

目前，我们的数据在缓存中。

是否可以在 Google 应用引擎上部署 apache mahout 推荐算法及其 csv、txt 或 xml 文件。

如果真的可能，那么我们如何部署..？

有没有人成功地将 Apache Mahout 与 Neo4j 集成为数据存储？如果有，涉及多少作品，表演如何？

我将 Mahout 与 Pearson Correlation 算法结合使用，根据他们对多个项目的偏好来比较和查找相似用户。我遇到的问题是 Mahout 和/或 Pearson 忽略了为每个项目选择相同偏好的用户。有谁知道是否有办法将 Mahout 配置为不忽略为每个项目选择相同偏好值的人。

我正在尝试对此处显示的输入数据执行 k 均值算法的聚类： https ://cwiki.apache.org/MAHOUT/clustering-of-synthetic-control-data.html 但是，当地图缩减作业即将进行时发生我得到错误

有人可以告诉我如何纠正这个问题。这真的意味着很多。谢谢你的时间。

是否可以在不依赖 Hadoop 的情况下使用 Apache mahout。

我想在一台计算机上使用 mahout 算法，只在我的 Java 项目中包含 mahout 库，但我根本不想使用 hadoop，因为无论如何我都将在单个节点上运行。

那可能吗？

给定以下用户偏好数据集，我使用 Mahout 的 EuclideanDistanceSimilarity 类对几个用户的相似度进行排名。偏好的范围目前是从 1 到 5 的所有整数（包括 1 到 5）。但是我可以控制规模，所以如果有帮助的话可以改变。

当我运行以下测试代码时，我得到了意想不到的结果，我将其添加到此处找到的测试类中：http: //www.massapi.com/source/mahout-distribution-0.4/core/src/test/java/ org/apache/mahout/cf/taste/impl/similarity/EuclideanDistanceSimilarityTest.java.html

它产生以下结果：

有人可以帮我理解我在这里做错了什么吗？显然，用户 1 的偏好与用户 3 和 5 的偏好不同，那么为什么我的相似度为 1.0？

如果 Euclidean 不起作用，我愿意使用不同的算法，但是 Pearson 对我不起作用，因为我需要处理为每个项目提交相同偏好的用户，并且我不想纠正“等级膨胀”。

我想开发一个涉及推送信息传递推荐引擎的系统。我已经看到很多关于使用某些引擎的解释，例如 Mahout Taste 和 Duine。然而，通过使用它们，推荐项目是在包含用户 ID 的输入发生后获得的。因此，此类引擎似乎仅适用于使用来自用户的拉取请求的 Web 应用程序/服务。

但是通过使用推送消息，我希望我的服务器主动向某些基于推荐算法的特定用户/客户直接发送推荐消息，相关。一旦数据库中有新项目（产品/内容）可用，就会执行交付过程。

我的问题是，是否可以/推荐使用现有的引擎，如 Mahout 或 Duine？为了做到这一点，什么算法是好的？