mahout测试朴素贝叶斯分类例子

对于这个测试建议大家先理解原理，这里我画了如下的示意图

接下来就按照如下的细节来输入指令测试：

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文件夹
（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，同时将各类中的文件读入到一个大文件中，使得每类最后只有一个文件包含起初所有的文件，并且创建input,output目录。

mahout下处理的文件必须是SequenceFile格式的，还需要把txtfile转换成sequenceFile。等处理完看结果时就明白了，

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


完毕后将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的目录下输入命令
mahout trainclassifier \
-i 20news-input \
-o newsmodel \
-type bayes \
-ng 3 \
-source hdfs

当然可以查看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，

例如命令：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，用模型进行测试，

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参数ng的设置，ng就是作为属性的单词个数，默认为1，

就是单个单词作为属性，这里设置为3，但是训练和测试时此参数的值要设置一样。</span></strong>