数据挖掘(5):使用mahout做海量数据关联规则挖掘

上一篇介绍了用开源数据挖掘软件weka做关联规则挖掘,weka方便实用,但不能处理大数据集,因为内存放不下,给它再多的时间也是无用,因此需要进行分布式计算,mahout是一个基于hadoop的分布式数据挖掘开源项目(mahout本来是指一个骑在大象上的人)。掌握了关联规则的基本算法和使用,加上分布式关联规则挖掘后,就可以处理基本的关联规则挖掘工作了,实践中只需要把握业务,理解数据便可游刃有余。

 

安装mahout

骑在大象上的侠士必然需要一头雄纠纠的大象,不过本文不解绍大象hadoop,所以我假定已经安装好了hadoop,关于hadoop的安装,请google。

Apache官网下载mahout8.0

解压

移动

配置

输入以下内容:

退出用户重新登录,使配置文件生效。输入mahout -version测试是否安装成功。

 

数据准备

http://fimi.ua.ac.be/data/下载一个购物篮数据retail.dat。

上传到hadoop文件系统

调用FpGrowth算法

-i表示input,-o表示-output,-s表示最小支持度,'[\ ]’表示以行内的数据以空格分开。

一两分钟后执行完毕,生成的文件被序列化了,直接查看会是乱码,因此需要用mahout还原回来:

输出结果:

这里输出的只是频繁项集,但在此基础上提取关联规则已经不是难事。

1 6 收藏 评论

相关文章

可能感兴趣的话题



直接登录
跳到底部
返回顶部