Mahout算法集
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。