【学习】Mahout和Hadoop：机器学习的基本原理

PPV课大数据

计算技术通常用来分析数据，而理解数据则依赖于机器学习。多年来，对于大多数开发者来说，机器学习却是非常遥远、一直是难以企及的。

这可能是现在收益最高，也是最受欢迎的一项技术之一。毫无疑问——作为开发人员，机器学习是一个能够大展身手的舞台。

图1：机器学习的构成

机器学习是简单数据检索与存储的合理扩展。通过开发各种组件，使计算机更加智能学习和发生行为。

机器学习使得挖掘历史数据和预测未来趋势成为可能。你可能还没意识到，但的确已经在使用机器学习，并受益颇多。与机器学习有关的例子很多，如搜索引擎产生结果、在线推荐、广告投放、欺诈检测以及垃圾邮件过滤等。

机器学习依赖数据进行决策。直觉虽然重要，但却也很难超越经验数据。

机器学习的各个方面

一旦你开始深入探索机器学习，你会遇到以下几个问题：

1. 有监督与无监督的学习

2. 分类

3. 马尔科夫模型、贝叶斯网络等

Mahout和Hadoop

Apache Mahout项目的目的是建立一个可扩展的机器学习库。

大数据分析与hadoop之间存在一定程度的重叠

与Hadoop一起，你可以免费获得整个机器学习开源项目。更多内容参见：

http://mahout.apache.org/

Mahout内置聚类、分类以及协同过滤等算法。除此之外还有：

1. 基于矩阵分解的推荐系统

2. K-均值，模糊k-均值聚类算法

3. 隐含狄利克雷分配算法

4. 奇异值分解

5. 逻辑回归分类器

6. (互补)朴素贝叶斯分类器

7. 随机森林分类器

我去过加利福尼亚大学伯克利分校，发现他们有很多不错的课程。

我希望能有更多的时间。我认真考虑过，决定开始参加MIT在线课程，地址如下：

http://ocw.mit.edu/courses/electrical-engineering-and-computer-science/6-867-machine-learning-fall-2006/index.htm

Azure是民主化的机器学习

机器学习曾经需要复杂的软件与高端的计算机，以及数据科学家。。而对于现在的机器学习，即预测分析来讲，所需要的是一个全管理的云服务。

欢迎使用ML Studio

通过使用拖拽(drag-and-drop)与一些数据流图就可以进行一些实验，就如写代码一般利用起高大上的算法。

数据科学家用R编写代码

对于统计与数据挖掘的来说，R是一个很受欢迎的开源项目。好消息是R能够很容易的集成到ML Studio中。我有很多朋友在使用机器学习的功能语言，如F#。但是很显然的，R在此领域仍占统治地位。

数据挖掘的测验与调查显示，近年来R受欢迎的程度逐渐增强。R是由新泽西的Auckland大学的RossIhaka 与Robert Gentleman发明的，目前由R核心开发组(R Development Core Team)负责研发，其中Chambers也是开发成员之一。R的命名主要是根据前两个R作者名字的首字母。R是一个GNU项目，主要是用C语言与 Fortran写的。

数据分析

以下框架提供了理解机器学习预测的方法。总的来说就是当涉及到如何使用有限的资源，为增加收益或限制成本提供决策支持。包括预测消费模型、优化供应链等。

如何进行数据分析

理解机器学习的最好方法就是将分析分解为3个问题：

1. 发生了什么?

a) 从历史角度去看

2. 将发生什么?

a) 预测未来

3. 下一步应该怎么做?

a) 规范与指引

分析过程中大家扮演什么角色

1. 信息工作者

a) 通常使用自助服务工具Power BI：Office 365的Power BI是一种自我服务的事务智能解决途径，能够通过BI Excel 与Office 365给信息工作者提供数据分析与鉴别数据深层事务预测可视化的能力。

2. IT专家

a) 涉及数据转换、数据仓库、创建数据分析立方体及数据建模

3. 数据科学家

a) 深层次的技术与技能，包括编码、数学、统计以及概率

b) 能够通过一系列技术将概率用于预测(如未来18小时内价格上涨的概率为42%)

c) 如蒙特卡罗(Monte Carlo)模拟，模型参数化

d) 数据科学家应具备的素质

i. 领域知识

ii. 对于科学方法的清晰理解：目标、假设、验证、透明度

iii. 擅长数学与统计学

iv. 求知欲与极强的思考能力

v. 图形化描述与沟通能力

vi. 高级计算与数据管理能力

学术背景

如果你想进入学校，通过学习成为一个数据科学家，可选择的课程如下：

1. 应用数学

2. 计算机科学

3. 经济学

4. 统计学

5. 工程学

从数据科学中受益的行业包括：

1. 金融服务业

2. 电信业

3. 信息技术

4. 制造业

5. 公共事业

6. 公共卫生

7. 市场

来源：TechTarget中国 作者：作者：BrunoTerkaly 翻译：郭文超

PPV课其他精彩文章：

0、回复“活动”查看PPV课社区百日掘金活动-积分兑换Iphone 5s、MINI金条

1、回复“干货”查看干货 数据分析师完整知识结构

2、回复“答案”查看大数据Hadoop面试笔试题及答案

3、回复“设计”查看这是我见过最逆天的设计，令人惊叹叫绝

4、回复“可视化”查看数据可视化专题-数据可视化案例与工具

5、回复“禅师”查看当禅师遇到一位理科生，后来禅师疯了！！知识无极限

6、回复“啤酒”查看数据挖掘关联注明案例-啤酒喝尿布

7、回复“栋察”查看大数据栋察——大数据时代的历史机遇连载

7、回复“数据咖”查看数据咖——PPV课数据爱好者俱乐部省分会会长招募

原文始发于微信公众号（PPV课数据科学社区）：【学习】Mahout和Hadoop：机器学习的基本原理