标签：上传 相同 htm weka unit lin blog _id g++
Waffles 英文原意是蜂蜜甜饼，在这里却指代一个很强大的机器学习的开源工具包。
Waffles里包括的算法特别多。涉及机器学习的方方面面，推荐系统位于当中的Waffles_recommend tool，大概仅仅占整个Waffles的1/10的内容，其他还有分类、聚类、採样、降维、数据可视化、音频处理等许很多多工具包，预计能与之媲美的也就数Weka了。
你能够在waffles看到关于这个工具的具体内容。
你还能够訪问waffles的github网站。
waffles与其它的机器学习工具的差别：
waffles提供下面命令行应用程序，每一个都包括运行机器学习操作的几个工具：
尽管项目主页也提供了在windows上使用的办法。可是我在尝试后并没有成功。
假设你能在windows上执行出几个demo，那就恭喜你啦！
所以这里还是在linux上做測试，和曾经一样，我用的是Ubuntu14.04。
想要编译代码，你的linux必须安装有g++，而且尽量版本号高一些，4.6及以上。
假设你没有g++，能够按照以下安装。
假设你使用的是Debian或Ubuntu。使用这个命令：
假设你使用redhat或者fedora，使用这个命令：sudo apt-get install g++ make
把waffles上传至linux（或者你能够从git上直接clone。sudo yum install g++ make
使用这个命令：git clonehttps://github.com/mikegashler/waffles.git），进入目录：
然后输入：cd waffles/src
假设出现一大堆编译的语句，那么恭喜你编译成功了。sudo make install
按道理来说编译过程就是这么简单，可是我在初期尝试的过程出错了。错误例如以下：
make -j 5 -C GClasses install
make[1]: Entering directory /home/ckf/waffles-master/src/GClasses‘make: Entering directory/home/ckf/waffles-maste/src/GClasses‘
rm -f ../../lib/libGClassesDbg.a
make: *** No rule to make target ../../obj/GClasses/dbg/G3D.o‘, needed by../../lib/libGClassesDbg.a‘. Stop.
make: *** Waiting for unfinished jobs....
make: Leaving directory /home/ckf/waffles-master/src/GClasses‘make[1]: *** [install] Error 2make[1]: Leaving directory/home/ckf/waffles-master/src/GClasses‘
make: *** [INSTALL_GClasses] Error 2
我在github上询问了开发者。结果人家说在他的Ubuntu14.04上尝试了一遍并没有出错，于是我依照他的步骤又试了一次：
$ git clone
https://github.com/mikegashler/waffles.git
$ cd waffles/src
waffles/src$ sudo make install
非常尴尬。还是出错。然后又一个人回答我说在他的Ubuntu14.04上尝试也没有出错。这里不得不多说一句，这些老外真的非常热心。非常感谢他们。
最后还是第一位开发者提供了可行的解决的方法（事实上在项目主页的Building on Linux上也有，就是另外一种办法）：
$ cmake这个命令会生成全新的和之前不同的makefiles。然后再输入：
$ make来编译。
这样操作之后，没有错误，编译正常。
cmake步骤例如以下：
make编译步骤例如以下：
接下来给大家执行几个demo。
进入src文件夹，输入‘make’进行编译。然后会生成一个bin文件夹，进入bin文件夹执行生成的那个文件：
其它几个demo都差点儿相同，这里不赘述了。
假设你在之前就试图尝试这个demo。会有编译错误，可是如今尝试没有错误了。原因是我在github上询问开发者是否还有recommender system的样例时。他们回答说有。可是有编译错误（这个错误不知怎么通过了他们的測试）。可是已经立刻修复了（他们显然是尝试了一遍才发现了bug。然后在第一时间改动了）。
所以假设你如今訪问项目的github主页。你会发现demos的文件夹在不久前被改动过。而其它几个文件夹却是半年甚至两年没改动过了。改动的就是那个编译错误（刚刚看了下，他们又在demos里添加了一些功能）。
如今測试一下recommender system的样例。
recommender system在demo文件夹的名字是community。相同进入src文件夹进行编译，然后在生成的bin文件夹中执行：
过一会之后会在浏览器中出现例如以下界面：
在以下会有创建账号的超链接，点击进入：
第一个账号请取名为root，这样才干够添加新的商品：
这个推荐系统假设想要全然显示出效果，你须要加入足够多的topic而且邀请一些朋友来注冊账号。然后不停的评分。
官方给出的效果图例如以下：
前文一共提到过9个开源的推荐系统。可是我并没有所有尝试。几个尝试的也没有深入研究它们内部的算法和代码。一方面是由于自身水平不够，还有一方面也是由于毕设没有非常多时间。
希望有研究的人能给我一些意见和建议，让我能继续学习下去。
关于我没有尝试的几个推荐系统，当中Mahout是基于hadoop的推荐系统，可是因为近年来人们研究的方向開始转向spark（好火呀这个，貌似stack overflow上评出来的程序猿薪资前三中就有spark），故放弃尝试。
而Myrrix是基于Mahout的推荐系统，该项目组已经被Cloudera公司收购，停止了对Myrrix的开发，故放弃尝试。
Easyrec能够免费给站点提供推荐功能，仅仅须要你自己的站点向easyrec发送行为，它就能给你产生推荐，可是easyrec的项目组貌似也已停止了开发。
关于开源推荐系统的暂且先告一段落，这几天在看一本叫集体智慧编程的书。英文名是“Programming Collective Intelligence”，尽管是比較老的书了。但还是能学到不少知识，到时候给大家分享一二。
多谷歌，多问，多尝试。才干不断进步，与诸君共勉。
标签：上传 相同 htm weka unit lin blog _id g++
原文地址：http://www.cnblogs.com/claireyuancy/p/7348112.html
