Un Mahout es una persona que maneja y conduce un elefante, su etimología proviene del hindi. Mahout corre sobre otro proyecto de Apache que se denomina Hadoop, que implementa el esquema Map-Reduce creado por Google. Este framework permite correr aplicaciones que requieren un volumen inmenso de datos en diferentes nodos, con la metodología de computación distrubuida.

Intrucciones para instalar Mahout

1) Instalar Java JDK 1.6, instalar Eclipse, instalar Maven (paquete maven2 en Ubuntu) y m2eclipse (esto último es para integrar maven con eclipse), ver instrucciones en la página oficial.

2) Leer esta wiki para poder compilar Mahout. Sigan las instrucciones, van a ver que el maven se encarga de bajar todo automáticamente.

3) Si no tienen la variable JAVA_HOME seteada, tienen que definirla haciendo algo así, aunque depende el SO y la arquitectura, en mi Ubuntu funciona:

(para probar si la tienen definida, hagan echo $JAVA_HOME):

export JAVA_HOME=/usr/lib/jvm/java-6-sun-1.6.0.24

4) Definan la variable de entorno MAHOUT_HOME, igual que en el paso anterior (usando export), pero hagan que apunte al directorio donde descomprimeron lo que bajaron en el paso 2).

5) Elijan algún ejemplo para probar desde acá: Quickstart

(yo hice el de clasificar newsgroups, que se llama Twenty Newsgroups)