[賞書] Mahout In Action

看板Soft_Job作者 (只有冰)時間13年前 (2012/10/24 22:41), 編輯推噓2(2推 0噓 30→)
留言32則, 5人參與, 最新討論串1/1
＠書名：（請盡量寫正確的全名） Mahout In Action ＠書本類型：（繁體書、簡體書、翻譯書、英文書） 英文書 ＠連結：（請至少附上一個參考連結，方便使用者找尋、購買。） http://www.tenlong.com.tw/items/1935182684?item_id=384683 ＠入手方式：借閱（圖書館、親友）、購買、交換 借閱 ＠為什麼會買這本書？ 因為這本是市面上唯一一本在教mahout的書 ＠讀完有任何感想？（請至少附上五十字感想） 與其說是Mahout In Action， 不如說是Practical Machine Learning Using Mahout 此書的作者花了相當篇幅在machine learning的概念上進行解說， 從基礎概念，模型如何調整到如何應用在實際環境上都有，並且沒有提到數學式。 對於我這種研究所不是做machine learning，數學又糟的人來講相當有用。 然而優點也就只有這樣而已了。如果要以mahout參考書來評論他的話是不及格的。 參考書最重要的程式碼不夠。 前兩大章節(推薦和分群)還算是有完整的程式碼， 分類這章節跟本就沒提到什麼mahout的API，只有示範SGD的訓練而已。 (對，不教你如何分類。我訓練完了，再來勒?) 從網站上下載的範例檔與書內寫的又不太一樣， 那一大串被註解掉的code看起來才是關鍵部份但是uncomment之後卻不能跑。 naivebayes的部份更扯，只教你command line的training和testing，沒有classifying。 好不容易google到code之後發現使用方法跟SGD完全不一樣， 真無法理解為什麼他能完全跳過這部份，我才不相信搞分類的沒人在用naivebayes ＠覺得買得有價值嗎？ Yes/No 看人，畢竟這是唯一一本教mahout的書 ＠如果給一到五顆星，你給幾顆？ (*****) 如果你要用到mahout:**** 畢竟也只有這一本了 其他:* (註：如果要批評請就事論事，請勿出現人身攻擊。） 好吧，其實這篇是抱怨文~_~ mahout的官方文件也很少， 少到我覺得有人想學mahout叫他看官方網站的人真的有看過官方網站嗎? 看一看這本書，然後忘記官方網站吧，什麼都不會跟你講的 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 118.170.191.35
→
10/24 22:46, , 1F
open source communities more often communicate
10/24 22:46, 1F
→
10/24 22:46, , 2F
through mailing list or irc
10/24 22:46, 2F
→
10/24 22:48, , 3F
就算是多用mailing list也不會像那個官方網站來的少
10/24 22:48, 3F
※ 編輯: iceonly 來自: 118.170.191.35 (10/24 22:48)
→
10/25 21:19, , 4F
說真的 我覺得Mahout這樣還可以出書 已經算不錯了 我就是做
10/25 21:19, 4F
→
10/25 21:20, , 5F
Machine learning的 絕大部分的Open Source幾乎都沒有文件
10/25 21:20, 5F
→
10/25 21:20, , 6F
用起來就跟解謎一樣 你遲早必須要去Trace他們程式碼 把他AP
10/25 21:20, 6F
→
10/25 21:22, , 7F
I包到你程式中 而且Naive Bayes不需要用到Mahout 他計算條
10/25 21:22, 7F
→
10/25 21:23, , 8F
見機率的方式很簡單 自己寫即可可參考http://0rz.tw/Vzs81
10/25 21:23, 8F
→
10/25 21:25, , 9F
不然也可參考http://0rz.tw/sMRXU 只是這又是一個OpenSourc
10/25 21:25, 9F
→
10/25 21:26, , 10F
e 文件也很少 儘管他已經有十年 Sponsor有FBI也有SIRI所屬
10/25 21:26, 10F
→
10/25 21:27, , 11F
的CALO計畫 那又如何ML本來現在就屬於研究社群在用的東西
10/25 21:27, 11F
→
10/25 21:27, , 12F
唯一的方法就是自己看 我還真的想不出任何快速捷徑
10/25 21:27, 12F
推
10/25 22:50, , 13F
mahout 好處不是利用 mapreduce 分散計算能力嗎?
10/25 22:50, 13F
→
10/26 20:02, , 14F
我用weka刻出了一個classifier，然後因為資料太多爆掉了
10/26 20:02, 14F
→
10/26 20:03, , 15F
放了-Xmx8g跟我喊OOM
10/26 20:03, 15F
→
10/26 20:04, , 16F
weka的API跟mahout比起來算簡單的，還有範例檔可看
10/26 20:04, 16F
→
10/26 20:06, , 17F
另一方面是train出來的模型太大，很難做到realtime
10/26 20:06, 17F
→
10/26 20:09, , 18F
會動到hadoop生態環境的都是資料來源太大的關係
10/26 20:09, 18F
→
10/26 20:12, , 19F
是阿，我現在是trace他的test和他的command line script是
10/26 20:12, 19F
→
10/26 20:13, , 20F
怎麼寫的
10/26 20:13, 20F
→
10/26 20:15, , 21F
若是這樣 我的建議是 1.你應該調整特徵數 因為也不是所有特
10/26 20:15, 21F
→
10/26 20:16, , 22F
徵都有用 2.分類器不用一台分好幾類 你可以好幾個小的 再用
10/26 20:16, 22F
→
10/26 20:16, , 23F
一個大的串起來 3.去掉不具代表性的訓練文件 之所以這樣做
10/26 20:16, 23F
→
10/26 20:17, , 24F
主要是因為 訓練文件真的爆多也沒用 當超過一個門檻值 分類
10/26 20:17, 24F
→
10/26 20:18, , 25F
氣的效果就收斂了 所以真的無計可施的狀況下 建議才用MAHOU
10/26 20:18, 25F
→
10/26 20:18, , 26F
T
10/26 20:18, 26F
→
10/26 21:23, , 27F
13我考慮過了，2的話你是指像是先將900個target分成30群然
10/26 21:23, 27F
→
10/26 21:25, , 28F
後再將這30群當作target分類嗎(就是先30選1再30選1)
10/26 21:25, 28F
→
10/26 21:27, , 29F
目前我是做出30個分類器去分900個類別，只是效果實在很糟
10/26 21:27, 29F
→
10/26 21:36, , 30F
另外mahout的cnb用在範例上實在很威，也會幫你做tfidf之
10/26 21:36, 30F
→
10/26 21:37, , 31F
類的工作，其實挺棒的
10/26 21:37, 31F
推
10/26 21:55, , 32F
學懂後寫一本吧！
10/26 21:55, 32F
‣ 更多 iceonly 的文章
文章代碼(AID): #1GX_ugnH (Soft_Job)