Apache
Mahout是Apache Software Foundation旗下的一個開放原始碼的專案，其專案的目的，在於提供具規模可擴充性的機器學習（Machine Learning）程式庫。
但機器學習是一門很廣闊的領域，而Mahout 的目標是提供各類的經典演算法，以程式庫的方式呈現，Mahout也具備高效及規模可擴充性的特質。
Mahout在英文翻譯中的意思是「象夫」，有象夫這個名字，是因為Mahout是為了提供規模可擴充性，是基於Apache Software Foundation另一個專案平臺Hadoop之名，以MapReduece的演算法，實作了像群集（clustering）、分類（classification），以及協同過濾（collaborative filtering）的核心演算法。
而Mahout 不需要依附在Hadoop之上也可運行，Mahout自身提供了單一節點、非Hadoop的實作版本，開發者可以依據計算能力及規模大，來決定運行的方式。
而Mahout所提供的演算法，而非全都分散式的演算法，且都經過高度的最佳化。
因為所以提供的演算法，不論是否是分散式演算法，或是無論在雲端上，都可以提供機器學習或推薦系統良好的環境。
Mahout中提供了許多分類的演算法，像是推薦引擎（Mahout中專指協同過濾式的推薦）、分類演算法、群集演算法、模式探勘（Pattern Mining）、降維（Dimension
Reduction），以及向量相似度（Vector Similarity）等，
這些演算法也被運用在各領域中，而可以減少在建置上的成本，也可以結合多種演算法，來達到更有效率的運作，
對於一個推薦系統來說，是節省成本，可以混合多種演算法，對面海量資料也提供規模及擴充性，Mahout是具有足夠彈性的框架。
參考資料：
