بررسی الگوریتم های ماشین یادگیری ماهوت مورد استفاده برای کلاس بندی

روش های ماشین های یادگیری باید در مواردی که شامل میلیون ها ورودی است و نیاز به پردازش تمامی آنها به طور همزمان است توسعه پیدا کنند. مزیت ماشین یادگیری ماهوت بیشتر از سایر روش ها به دلیل تعداد نمونه های آموزشی ای است که افزایش پیدا می کنند. ورودی با بیش از 1 تا 10 میلیون نمونه آموزشی ابزاری مقیاس پذیرتر از سایر روش ها نیاز دارد که ماهوت می تواند این نیاز را برطرف سازد. لذا در این مقاله به بررسی الگوریتم های مورد استفاده در ماشین یادگیری ماهوت برای کلاس بندی می پردازیم.

کلیدواژه ها:

ماهوت (Mahout) ، یادگیری ماشین ، هدوپ ، کلاس بندی