セマンティック分析のためにビッグデータでliblinearを使用する

Libsvmを使用して、データをトレーニングし、セマンティック分析の問題の分類を予測します。ただし、セマンティック分析はn次元の問題に関係するため、大規模データのパフォーマンスの問題があります。

昨年、Liblinearがリリースされ、パフォーマンスのボトルネックを解決できます。しかし、メモリが多すぎます。あるMapReduceはビッグデータに意味解析の問題を解決する唯一の方法？または、Liblinearでメモリのボトルネックを改善できる他の方法はありますか？

Apache Sparkに移植されたLIBLINEARの初期バージョンがあることに注意してください。参照してください。メーリングリストのコメントいくつかの初期の詳細については、およびプロジェクトサイトを。

vowpal wabbitをチェックアウトできます。大規模な学習で非常に人気があり、並行して提供されます。

彼らのウェブサイトから：

VWは機械学習の速度の本質であり、特徴のあるデータセットから簡単に学習できます。並列学習を介して、学習アルゴリズムの中で最初の線形学習を行うと、単一のマシンネットワークインターフェイスのスループットを超える可能性があります。