在大数据上使用liblinear进行语义分析

我使用Libsvm训练数据并预测语义分析问题的分类。但是由于语义分析涉及n维问题，因此在大规模数据上存在性能问题。

去年，Liblinear发布了，它可以解决性能瓶颈。但这会占用太多内存。是的MapReduce解决大数据的语义分析问题的唯一途径？还是有其他方法可以改善Liblinear上的内存瓶颈？

请注意，有一个早期版本的LIBLINEAR移植到Apache Spark。有关某些早期详细信息，请参见邮件列表注释；以及项目站点。

您可以查看vowpal wabbit。它在大规模学习中非常受欢迎，并且包含并行规定。

从他们的网站：

大众汽车是机器学习速度的精髓，能够轻松地从特性数据集中学习。通过并行学习，当进行线性学习时，它可以超过任何单个机器网络接口的吞吐量，这是学习算法中的第一个。