mahout实现的算法集

来源：互联网发布：手机自动关闭数据连接编辑：程序博客网时间：2024/06/11 14:29

mahout实现的算法：（翻译自mahout官方文档：点击打开链接）
(一)Classification（分类算法）
完全支持：
1.Logistic Regression（Logistic回归）
2.Naive Bayes/ Complementary Naive Bayes(朴素贝叶斯/互补的朴素贝叶斯)
3.Random Forests(随机森林)
4.Hidden Markov Models(隐马尔可夫模型)
即将支持：
5.Online Passive Aggressive(在线被动攻击)
(二)Dimension reduction（聚类算法）
完全支持：
1.Canopy Clustering(Canopy聚类)
2.K-Means Clustering(K-Means聚类)
3.Fuzzy K-Means(模糊K-Means聚类)
4.Mean Shift Clustering(均值漂移聚类)
5.Dirichlet Process Clustering (狄利克雷过程聚类)
6.Latent Dirichlet Allocation（潜在狄利克雷分配）
7.Minhash Clustering（Minhash聚类）
8.kMeans++ streaming clustering（k均值+ +流媒体集群）
即将支持：
9.Hierarchical Clustering(层次聚类)
10.Spectral Clustering(谱聚类)
(三)Dimension reduction（降维）
完全支持
1.Singular Value Decomposition and other Dimension Reduction Techniques（奇异值分解和其他降维技术）
2.Stochastic Singular Value Decomposition with PCA workflow（随机奇异值分解与PCA工作流程）
即将支持：
3.Principal Components Analysis（主成分分析）
4.Gaussian Discriminative Analysis（高斯辨析）
（四）Evolutionary Algorithms（进化算法）
注：进化算法已经在mahout0.7版本中移除了。
（五）推荐引擎/协同过滤(Recommenders/Collaborative Filtering)

Mahout中包含了简单非分布式推荐引擎的实现和基于hadoop分布式推荐引擎的实现。

其他人博客摘抄

算法类

算法名

中文名

分类算法

Logistic Regression

逻辑回归

Bayesian

贝叶斯

SVM

支持向量机

Perceptron

感知器算法

Neural Network

神经网络

Random Forests

随机森林

Restricted Boltzmann Machines

有限波尔兹曼机

聚类算法

Canopy Clustering

Canopy聚类

K-means Clustering

K均值算法

Fuzzy K-means

模糊K均值

Expectation Maximization

EM聚类（期望最大化聚类）

Mean Shift Clustering

均值漂移聚类

Hierarchical Clustering

层次聚类

Dirichlet Process Clustering

狄里克雷过程聚类

Latent Dirichlet Allocation

LDA聚类

Spectral Clustering

谱聚类

关联规则挖掘

Parallel FP Growth Algorithm

并行FP Growth算法

回归

Locally Weighted Linear Regression

局部加权线性回归

降维/维约简

Singular Value Decomposition

奇异值分解

Principal Components Analysis

主成分分析

Independent Component Analysis

独立成分分析

Gaussian Discriminative Analysis

高斯判别分析

进化算法

并行化了Watchmaker框架