修改mahout的分类指标

---

mahout的默认分类指标

0.9版的分类统计如下图

0.10及0.11的分类统计如下

可以看到，相比较0.9版，新版的mahout增加了指标查准率（Weighted precision）和查全率（Weighted recall）。

---

修改mahout的分类指标

在此基础上，我们可以添加新的指标，比如最小查准率（Min precision ），最大查准率（Max precision），最小查全率（Min recall），最大查全率（Max recall）。以下是在mahout0.9中添加新指标的具体步骤。

因为我们安装mahout后，默认只有各种jar包，没有源码，所以首先下载mahout的源码–mahout-distribution-0.9-src.tar.gz，找到类“ConfusionMatrix”和“ResultAnalyzer”。之后在eclipse中新建工程，创建与上述类路径一致的包“org.apache.mahout.classifier”，并添加上述类和导入需要的包。

之后，对照mahout最新版本–mahout修改，为ConfusionMatrix添加函数getMinPrecision计算最小查准率。

// precisions最后一个总为0，所以只取前n-1个的最小值
  public double getMinPrecision() {
        double precision = 0.0;
        double minPrecision = 100.0;
        double[] precisions = new double[numLabels()];

        int index = 0;
        for (String label : labelMap.keySet()) {
              precisions[index] = getPrecision(label);
              index++;
            }
        int length = index;
        for (index = 0; index < length-1 ; index++) {
            precision = precisions[index];
            if(precision < minPrecision)
            minPrecision = precision;
        }
        return minPrecision;
      }

在ResultAnalyzer中增加相应输出

 returnString.append(StringUtils.rightPad("Min precision", 40)).append(
              StringUtils.leftPad(decimalFormatter.format(confusionMatrix.getMinPrecision()), 10)).append('\n');

至此，源文件已修改完成，在eclipse中选中“Source->Clean up->Finish”进行编译。

在文件系统中找到mahout-examples-0.9-job.jar包，若为快速安装，则该包在安装目录下，若为CDH安装，则在类似于“/opt/cloudera/parcels/CDH-5.3.8-1.cdh5.3.8.p0.5/jars”的目录下。将包中的ConfusionMatrix.class和ResultAnalyzer.class用新编译的class替换掉即可。

我将自己修改后的包放在了CSDN资源上–mahout-examples-0.9-job.jar（修改版。

---

修改效果

修改jar包后，重新运行，得到结果如下所示