mahout项目是由多个子项目组成的，各子项目分别位于源码的不同目录下，下面对mahout的组成进行介绍：
1、mahout-core：核心程序模块，位于/core目录下；
2、mahout-math：在核心程序中使用的一些数据通用计算模块，位于/math目录下；
3、mahout-utils：在核心程序中使用的一些通用的工具性模块，位于/utils目录下；
上述三个部分是程序的主题，存储所有mahout项目的源码。
另外，mahout提供了样例程序，分别在taste-web和examples目录下：
4、taste-web：利用mahout推荐算法而建立的基于WEB的个性化推荐系统demo；
5、examples：对mahout中各种机器学习算法的应用程序；
6、bin：bin目录下只有一个名为mahout的文件，是一个shell脚本文件，用于在hadoop平台的命令行下调用mahout中的程序；
在buildtools、eclipse和distribution目录下，有mahout相关的配置文件
7、buildtools目录下是用于核心程序构建的配置文件，以mahout-buildtools的模块名称在mahout的pom.xml文件中进行说明；
8、eclipse下的xml文件是对利用eclipse开发mahout的配置说明；
9、distribution目录下有两个配置文件：bin.xml和src.xml，进行mahou安装时的一些配置信息。
（在开发的时候一般很少对这个目录下的文件进行修改，所以不用太关注，知道大体什么意思就ok）
另 外，在mahout的下载地址下可以看到有个文件夹与mahout处于同一级别，它是mahout项目的分支项目—mahout- collections，用于实现了核心程序中使用的集合类操作，该模块独立于mahout进行开发，是对标准jdk中关于集合类的修改，使其可以适应数 据密集型项目的开发。
在Mahout实现的机器学习算法见下表
|
算法类
|
算法名
|
中文名
|
|
分类算法
|
Logistic Regression
|
逻辑回归
|
|
Bayesian
|
贝叶斯
|
|
SVM
|
支持向量机
|
|
Perceptron
|
感知器算法
|
|
Neural Network
|
神经网络
|
|
Random Forests
|
随机森林
|
|
Restricted Boltzmann Machines
|
有限波尔兹曼机
|
|
聚类算法
|
Canopy Clustering
|
Canopy聚类
|
|
K-means Clustering
|
K均值算法
|
|
Fuzzy K-means
|
模糊K均值
|
|
Expectation Maximization
|
EM聚类（期望最大化聚类）
|
|
Mean Shift Clustering
|
均值漂移聚类
|
|
Hierarchical Clustering
|
层次聚类
|
|
Dirichlet Process Clustering
|
狄里克雷过程聚类
|
|
Latent Dirichlet Allocation
|
LDA聚类
|
|
Spectral Clustering
|
谱聚类
|
|
关联规则挖掘
|
Parallel FP Growth Algorithm
|
并行FP Growth算法
|
|
回归
|
Locally Weighted Linear Regression
|
局部加权线性回归
|
|
降维/维约简
|
Singular Value Decomposition
|
奇异值分解
|
|
Principal Components Analysis
|
主成分分析
|
|
Independent Component Analysis
|
独立成分分析
|
|
Gaussian Discriminative Analysis
|
高斯判别分析
|
|
进化算法
|
并行化了Watchmaker框架
|
|
|
推荐/协同过滤
|
Non-distributed recommenders
|
Taste(UserCF, ItemCF, SlopeOne）
|
|
Distributed Recommenders
|
ItemCF
|
|
向量相似度计算
|
RowSimilarityJob
|
计算列间相似度
|
|
VectorDistanceJob
|
计算向量间距离
|
|
非Map-Reduce算法
|
Hidden Markov Models
|
隐马尔科夫模型
|
|
集合方法扩展
|
Collections
|
扩展了Java的Collections类
|
Mahout最大的优点就是基于Hadoop实现，把很多以前运行于单机上的算法，转化为了MapReduce模式，这样大大提升了算法可处理的数据量和处理性能。
mahout项目是由多个子项目组成的，各子项目分别位于源码的不同目录下，下面对mahout的组成进行介绍：
1、mahout-core：核心程序模块，位于/core目录下；
2、mahout-math：在核心程序中使用的一些数据通用计算模块，位于/math目录下；
3、mahout-utils：在核心程序中使用的一些通用的工具性模块，位于/utils目录下；
上述三个部分是程序的主题，存储所有mahout项目的源码。
另外，mahout提供了样例程序，分别在taste-web和examples目录下：
4、taste-web：利用mahout推荐算法而建立的基于WEB的个性化推荐系统demo；
5、examples：对mahout中各种机器学习算法的应用程序；
6、bin：bin目录下只有一个名为mahout的文件，是一个shell脚本文件，用于在hadoop平台的命令行下调用mahout中的程序；
在buildtools、eclipse和distribution目录下，有mahout相关的配置文件
7、buildtools目录下是用于核心程序构建的配置文件，以mahout-buildtools的模块名称在mahout的pom.xml文件中进行说明；
8、eclipse下的xml文件是对利用eclipse开发mahout的配置说明；
9、distribution目录下有两个配置文件：bin.xml和src.xml，进行mahou安装时的一些配置信息。
（在开发的时候一般很少对这个目录下的文件进行修改，所以不用太关注，知道大体什么意思就ok）
另 外，在mahout的下载地址下可以看到有个文件夹与mahout处于同一级别，它是mahout项目的分支项目—mahout- collections，用于实现了核心程序中使用的集合类操作，该模块独立于mahout进行开发，是对标准jdk中关于集合类的修改，使其可以适应数 据密集型项目的开发。