私はmahoutを使って20-ニュースグループの例を展開しようとしましたが、正常に動作しているようです。 、ベイズモデルのディレクトリ以下のサブディレクトリが含まれMahout - Naive Bayes
が含まれてい
トレーナー-TFIDFトレーナー-thetaNormalizerトレーナー-重み：好奇心から、私は
例えばは、モデル統計に深く掘るしたいと思いますパート0000ファイル。私はファイルの内容を理解しやすくするために、catコマンドのdoesntが動作するように見えるようにするために、いくつかのゴミを出力します。
何か助けていただければ幸いです。
おかげ
'部分-00000' ファイルはMahoutのに特定の値を含む、Hadoopのが作成した、とのHadoopのSequenceFile形式になっています。テキストファイルとして開くことはできません。 MahoutにユーティリティークラスSequenceFileDumperがあります。このユーティリティーは、コンテンツをテキストとしてstdoutに出力しようとします。
これらの値は、Mahoutによって実行された多段階Hadoopベースの計算の中間結果です。コードを読んで、これらが何であるかをよりよく理解することができます。例えば、 "tfidf"ディレクトリは、用語頻度に関する中間計算を含む。
hadoopのfilesystem -textオプションを使用してpart-0000ファイルを読み取ることができます。 hadoopディレクトリに入り、次のように入力してください。
`bin/hadoop dfs -text /Path-to-part-file/part-m-00000`
エラーが発生した場合は、パスにHADOOP_CLASSPATH変数を追加する必要があります。たとえば、実行した後、それはあなたの
テキストを与える場合：にjava.io.IOException：WritableNameがクラスをロードすることはできません。org.apache.mahout.math.VectorWritable
は、対応するクラスを追加します私のために働いたHADOOP_CLASSPATH変数
export HADOOP_CLASSPATH=/src/mahout/trunk/math/target/mahout-math-0.6-SNAPSHOT.jar
へ;）
あなたが "seqdumper" UTIを使用する必要がある部分-00000（シーケンスファイル）を読み込むためには不安。ここで私は私の実験のために使用例を示します。
MAHOUT_HOME $：ビン/象使いのseqdumperは 〜/クラスタリング/実験-V1/T14/TFIDFベクトル/パート-R-00000 -o〜/ベクトルを-s -v2-1010
-sは-o出力ファイル
あるあなたはプレーンテキストに変換したいシーケンスファイルです