、什么是协调过滤？试用Mahout实现一个简单的协同过滤（如购买特定的商品）。

协同过滤（Collaborative Filtering）是一种推荐算法，根据用户历史行为或偏好，预测用户可能喜欢的物品，从而进行个性化推荐。

Mahout是一个基于Hadoop的开源机器学习库，其中包含了多种推荐算法的实现，包括基于用户的协同过滤和基于物品的协同过滤。

下面以基于用户的协同过滤为例，演示如何使用Mahout实现一个简单的购物推荐系统：

1. 准备数据

准备一份包含用户ID、商品ID和评分的数据集，例如：

user1,item1,3.0
user1,item2,4.0
user2,item1,2.0
user2,item3,5.0
user3,item2,1.0
user3,item3,4.0

其中每行数据表示一个用户对一个商品的评分，评分范围一般为1-5分。

2. 数据预处理

使用Mahout中的RecommenderJob类对数据进行预处理，将数据转换为Mahout所需的格式。在命令行执行以下命令：

mahout recommendintro --input input.csv --output output --delimiter ,

其中input.csv为待处理数据的文件路径，output为输出目录，--delimiter指定数据分隔符。

3. 训练模型

使用Mahout中的UserBasedRecommender类训练模型，基于用户的协同过滤需要指定相似度度量方法和邻居数。在命令行执行以下命令：

mahout recommendintro --input output/part-r-00000 --output model --similarityClassname SIMILARITY_PEARSON_CORRELATION --numRecommendations 3 --usersFile users.txt --itemsFile items.txt --booleanData false --neighborhoodSize 2

其中output/part-r-00000为预处理后的数据文件，model为输出模型目录，--similarityClassname指定相似度度量方法为皮尔逊相关系数，--numRecommendations指定每个用户推荐的商品数，--usersFile和--itemsFile分别指定用户ID文件和商品ID文件，--booleanData指定评分是否为二元数据，--neighborhoodSize指定邻居数为2个。

4. 进行推荐

使用Mahout中的Recommender类进行推荐。在命令行执行以下命令：

mahout recommendintro --input model --userIDsFile users.txt --numRecommendations 3

其中model为训练好的模型目录，--userIDsFile指定待推荐的用户ID文件，--numRecommendations指定每个用户推荐的商品数。

以上就是使用Mahout实现基于用户的协同过滤的简单购物推荐系统的步骤，可以根据实际需求进行修改和扩展。