mahout源码分析之Decision Forest 三部曲之二BuildForest（3）Step1Mapper(3)
Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。
接上篇，先来说说上篇最后的bestIg和bestIndex的求法。在说这个前，要首先明确一个数组的熵的求法，按照mahout中的源码针对这样的一个数组a=[1,3,7,3,0,2]其熵为：
设sum=1+3+7+3+0+2，则其中pi对应于1/sum、3/sum、7/sum、3/sum、2/sum（其中若数组中的元素为0，则不参与计算），这个是数组熵的计算。
假如我有这样的一个数组counts：
可以看到52+162=214，这说明这两个数组的确是由214条记录分离得到的。且分别观察loSubset、hiSubset，可以看到里面属性attr的值都是分别<bestSplit和>=bestSplit的。下面到了Node loChild = build(rng, loSubset);然后又到了build函数，这次data是含有52条记录的数据了。然后又随机取出三个属性，计算得到最优的属性，然后再按照最优的属性把数据分为两部分，然后再build()。啥时候退出循环呢？
对应的树画出来如下所示：
左边是属性值小于中间的那个数字的，右边是大于或等于的。然后就是设置下输出的格式key.set(partition, firstTreeId + treeId);
// if (!isNoOutput()) {
MapredOutput emOut = new MapredOutput(tree);然后直接输出了，比如Step1MapperFollow的输出如下：
key:2***value:{NUMERICAL:NUMERICAL:NUMERICAL:LEAF:;,LEAF:;;,LEAF:;;,NUMERICAL:LEAF:;,LEAF:;;; | null}这样表示输出3棵树，其中最后一棵树就是上图的那棵树的打印字符串。这样Step1Mapper的仿制代码就分析完了，其实就是Step1Mapper的工作流分析完了。
分享，成长，快乐
转载请注明blog地址：http://blog.csdn.net/fansy1990
