mahout 分類演算法

資料探勘有很多的領域，分類是其中之一，分類就是把一些新的資料項對映到給定類別的中的某乙個類別，比如當我們發表一篇文章的時候，就可以自動的把這篇文章劃分到某乙個文章類別，一般的過程是根據樣本的資料利用一定的分類演算法，得到分類規則，新的資料過來就依據該規則進行類別的劃分。

分類在資料探勘中是一項非常重要的任務，有很多的用途。比如**，即從歷史的樣本資料中推算出未來資料的趨向。專案期間，通過使用小兒中醫肺炎的資料將肺炎的型別進行分類，然後通過輸入新的資料記錄來判斷患者究竟屬於哪一種肺炎型別，以便對症下藥。

相對於聚類，分類和聚類的區別就是是否有預先的學習階段，聚類是沒有的，一開始就聚類，而分類是有學習過程的，用分類可以解決的問題，用聚類肯定可以解決。但是就平均的準確度來說，分類演算法的準確度可能會高點，原因是分類使用了資料原有的特性，根據資料已有的特性形成規則，然後使用規則對資料進行分析。在mahout中有很多的分類演算法，專案期間主要是用到了bayesian和randomforest演算法。