mahout測试朴素贝叶斯分类样例

对于这个測试建议大家先理解原理，这里我画了例如以下的示意图

接下来就依照例如以下的细节来输入指令測试：

首先前提是Hadoop安装并启动，mahout已经安装了。

<strong><span style="font-size:18px;">第一。下载数据集20news-bydate.tar.gz。在/usr/hadoop/mahout/下建立data目录
（mkdir /usr/hadoop/mahout/data/）
 
将下载的数据集解压tar 20news-bydate.tar.gz。之后放到data文件夹下。
 
第二，产生input数据集(输入数据集)，即对训练数据集进行预处理，数据准备阶段。将各类中的数据进行分词处理，
 
去掉标点及副词等，同一时候将各类中的文件读入到一个大文件里，使得每类最后仅仅有一个文件包括起初全部的文件，而且创建input,output文件夹。
 
mahout下处理的文件必须是SequenceFile格式的。还须要把txtfile转换成sequenceFile。
 
等处理完看结果时就明确了。
 
命令为
 mahout org.apache.mahout.classifier.bayes.PrepareTwentyNewsgroups  \
 
 -p /usr/hadoop/mahout/data/20news-bydate-train \
 
 -o /usr/hadoop/mahout/input/bayes-train-input  \
 
 -a org.apache.mahout.vectorizer.DefaultAnalyzer  \
 
 -c UTF-8
 
完成后将input下的bayes-train-input放到hadoop的分布式文件系统上的 20news-input，
 
输入命令hadoop dfs -put /usr/hadoop/mahout/input/bayes-train-input 20news-input
 
第三，用处理好的训练数据集进行训练得出分类模型即中间结果。模型保存在分布式文件系统上。
 
在mahout的文件夹下输入命令
mahout trainclassifier \
-i 20news-input \
-o newsmodel \
-type bayes \
-ng 3 \
-source hdfs
 
当然能够查看newsmodel里的内容时，先查看其里面都有什么，
 
命令：hadoop fs -lsr /user/hadoop/newsmodel
 
将其导入到本地txt格式，进行查看。
 
比如命令：mahout seqdumper -s /usr/hadoop/newsmodel/trainer-tfIdf//trainer-tfIdf/part-00000 -o /usr/hadoop/output/part-1
 
然后使用vim /usr/hadoop/mahout/output/part-1
 
最后，用模型进行測试，
 
输入命令
mahout testclassifier \ 
 
-m newsmodel \ 
 
-d 20news-input \ 
 
-type bayes \ 
 
-ng 3 \ 
 
-source hdfs \ 
 
-method mapreduce
 
【注】这里说明下自己理解的參数ng的设置，ng就是作为属性的单词个数，默觉得1。
 
就是单个单词作为属性。这里设置为3，可是训练和測试时此參数的值要设置一样。
 
</span></strong>