sparkMllib逻辑回归算法：回归算法和分类算法都是有监督的学习，分类算法预测的结果是离散的类别，而回归算法预测的结果是连续的数值。线性回归——最常用的算法之一，使用输入值的线性组合来预测输出值。类LinearRegressionWithSGD——MLlib实现线性回归算法的常用类之一，基于随机梯度下降实现线性回归

Mahout协同过滤算法原理：通过收集大量用户（协同）的喜好信息，以自动预测（过滤）用户感兴趣的商品

Mahout逻辑回归算法原理：Mahout下基于随机梯度下降（SGD）实现的逻辑回归（LogisticRegression）算法是一种二元分类算法，只能在单机上运行，适合分类算法的入门学习。

mahout分类算法含义：有监督学习算法考察已被分类的样本数据，学习训练分类规则进行输入数据的类别判定

基于多维输入数据运行k-means算法：600条60维趋势数据（600行60列）表达了正常、循环、渐增、渐减、向上偏移和向下偏移6类趋势每类100条每类取一条做初始聚类中心运行KmeansDemo类将计算出的聚类中心数据导入到Excel文件

基于MahoutAPI运行k-means算法：调用MahoutAPI运行k-means聚类算法,指定Hadoop配置信息、输入数据、初始聚类中心，迭代2次得到聚类结果。

基于Mahout命令运行k-means算法：以下图述3个坐标为中心，半径为（0.5,0.5），生成3个聚类，每个聚类4个成员

聚类算法就是无监督学习算法，同一个簇中对象具有高相似度。聚类算法有一下几种：Canopy、k-means、模糊k-means、流k-means和谱聚类等都是聚类算法。下篇文章我们将给大家介绍一下算法如下图：

mahout简介：定义：ApacheMahout是一个由Java语言实现的开源的可扩展的机器学习算法库目标：机器学习平台，提供类似R的DSL以支持线性代数运算（如分布式向量计算）、大数据统计等基本功能Mahout在各平台支持的机器学习算法

1．地震波形数据存储和计算平台南京云创大数据有限公司为山东省地震局研发了一套可以处理海量数据的高性能地震波形数据存储和计算平台，将从现有的光盘中导入地震波形数据并加以管理，以提供集中式的地震波形数据分析与地震预测功能，为开展各种地震波形数据应用提供海量数据存储管理和计算服务能力。2．地震波形数据存储和计算平台的主要性能指标3．地震波形数据存储和计算平台的功能设计4．平台的组成、总体构架与功能模块5．地震中的时间序列预测地震预测的主要手段也就是对地震序列进行特征研究。通过对地震序列的特征研究，可以帮助判断某大地震发生后地质活动的规律，掌握一定区域内地震前后震级次序间的某种内在关联性，有利于判断次地震发生后，震区地质活动的客观趋势1）地震数据收集和预处理采用SPBGC算法，预处理的流程步骤具体如下：设定地震序列的空间跨度，并划分震级标准M依据地震目录数据库，将震级大于或等于震级标准M的地震信息存入大地震文件获取大地震文件中的每一条记录E，并取得震级M与震中所在位置G扫描地震目录数据，对每一地震记录E，均判断当前地震位置与震中G的距离是否满足设定的空间跨度。如果满足空间跨度，则将该记录标注为与震中等同的序列号，同时将震中为圆心的区域范围内地震的次数加l；否则继续处理下一条地震记录大地震文件处理完毕后，该阶段地震数据收集和预处理阶段结束