Mahout版本：0.7，hadoop版本：1.0.4，jdk：1.7.0_25 64bit。
首先贴上调用TestForest的代码（win7下面myeclipse调用TestForest，这里要设置Configuration，所以不能直接TestForest.main()来调用）：
package mahout.fansy.partial.test;import org.apache.hadoop.conf.Configuration;import org.apache.mahout.classifier.df.mapreduce.TestForest;public class TestTestForest {/** * 测试TestForest * @param args * @throws Exception */public static void main(String[] args) throws Exception {String[] arg=new String[]{"-i","hdfs://ubuntu:9000/user/breiman/input/glass.data","-ds","hdfs://ubuntu:9000/user/breiman/glass.info","-m","hdfs://ubuntu:9000/user/breiman/glass.tree/forest.seq","-a","-mr","-o","hdfs://ubuntu:9000/user/breiman/out-testforest0"};Configuration conf=new Configuration();conf.set("mapred.job.tracker", "ubuntu:9001");//conf.set("fs.default.name", "hdfs://");conf.set("fs.default.name", "ubuntu:9000");TestForest tf=new TestForest();tf.setConf(conf);Configuration confq=tf.getConf();System.out.println(confq);tf.run(arg);}}跑出来的结果如下：13/09/25 00:14:51 INFO common.HadoopUtil: Deleting hdfs://ubuntu:9000/user/breiman/out-testforest0/mappers13/09/25 00:14:51 INFO mapreduce.TestForest: =======================================================Summary——————————————————-Correctly Classified Instances:208 97.1963%Incorrectly Classified Instances:62.8037%Total Classified Instances:214=======================================================Confusion Matrix——————————————————-abcdef<–Classified as15 02000| 17a= 3076 0000| 76b= 20268 000| 70c= 100128 00| 29d= 7000090| 9e= 60001012| 13f= 5可以看到mahout源码在Job任务运行完成后，直接把mapper的输出删去了，然后存入了一个文件（这个在源码中可以看出）。然后就是正确率了，可以看到正确率达到了97%，还行吧，毕竟是对原始数据的分类，这么高也是正常的。这个就不像上次分析的贝叶斯了，贝叶斯算法还有自动把数据分为两个部分的功能（一个训练，，一个测试），这个算法没有。
下面看代码吧：
进入TestForest的run方法中，刚开始都是一些基本参数的设置。主要有：输入、输出（这个是最基本的了）、dataset路径、model路径（BuildForest的路径）、是否显示分析结果（就是上面的Summary部分）、是否采用mapreduce模式运行。
然后就进入testForest()方法了。进去后首先检查下output是否符合要求（就是是否存在，存在则抛出异常）。接着是model路径的判断，不存在抛出异常。最后才判断输入数据是否存在（汗，不是应该先判读输入数据是否存在的么？不过好像这三个都是要判断的，所以那个先那个后没关系吧）。
接着（本来我是打然后的，突然发现前面已经有然后了，所以就回退，打了个接着，汗，我居然把这句打出来了，好吧，好像又打多了）就是mapreduce()函数了。
这里先不说分析的内容，暂时只说Job的事情，Job的调用只有两句：
Classifier classifier = new Classifier(modelPath, dataPath, datasetPath, outputPath, getConf());classifier.run();一句新建Classifier，一句run方法。新建对象基本可以忽略了，看run方法：DistributedCache.addCacheFile(datasetPath.toUri(), conf);log.info("Adding the decision forest to the DistributedCache");DistributedCache.addCacheFile(forestPath.toUri(), conf);Job job = new Job(conf, "decision forest classifier");log.info("Configuring the job…");configureJob(job);log.info("Running the job…");if (!job.waitForCompletion(true)) {throw new IllegalStateException("Job failed!");}先分别把dataset和model的路径加入到内存中，方便Job的Mapper调用，然后configureJob，然后直接就跑job了job.waitForCompletion(true);。这里看下configureJob的内容：job.setJarByClass(Classifier.class);FileInputFormat.setInputPaths(job, inputPath);FileOutputFormat.setOutputPath(job, mappersOutputPath);job.setOutputKeyClass(DoubleWritable.class);job.setOutputValueClass(Text.class);job.setMapperClass(CMapper.class);job.setNumReduceTasks(0); // no reducersjob.setInputFormatClass(CTextInputFormat.class);job.setOutputFormatClass(SequenceFileOutputFormat.class);看到基本是一些常规的设置，然后Mapper就是CMapper了，Reducer没有。看CMapper是怎么操作的：
setup函数主要代码就三行：
dataset = Dataset.load(conf, new Path(files[0].getPath()));converter = new DataConverter(dataset);forest = DecisionForest.load(conf, new Path(files[1].getPath()));分别设置dataset、converter、forest，其实就是从路径中把文件读出来而已。
map函数：
protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {if (first) {FileSplit split = (FileSplit) context.getInputSplit();Path path = split.getPath(); // current split pathlvalue.set(path.getName());lkey.set(key.get());context.write(lkey, lvalue);first = false;}String line = value.toString();if (!line.isEmpty()) {Instance instance = converter.convert(line);double prediction = forest.classify(dataset, rng, instance);lkey.set(dataset.getLabel(instance));lvalue.set(Double.toString(prediction));context.write(lkey, lvalue);}}首先if里面的判断不知道是干啥的，这个应该要去看下输出文件才行（输出文件被源码删除了，但是这个不难搞到，只要在删除前设置断点即可。这个应该要下次分析了）。勇于接受自己的不完美，认清自己不足的地方，
