使用MapReduce对svm模型进行训练

SVM模型有两个非常重要的参数C与gamma。其中 C是惩罚系数，即对误差的宽容度。c越高，说明越不能容忍出现误差。C过大或过小，泛化能力变差
gamma是选择RBF函数作为kernel后，该函数自带的一个参数。隐含地决定了数据映射到新的特征空间后的分布，gamma越大，支持向量越少，gamma值越小，支持向量越多。支持向量的个数影响训练与预测的速度。

Grid Search

Grid Search是用在Libsvm中的参数搜索方法。很容易理解：就是在C,gamma组成的二维参数矩阵中，依次实验每一对参数的效果。

使用grid Search虽然比较简单，而且看起来很naïve。但是他确实有两个优点：

1. 可以得到全局最优
2. (C,gamma)相互独立，便于并行化进行

正是因为有这样的性质，所以才使得可以利用MapReduce对模型进行训练

Grid Search in MapReduce

基本思路：

     MapReduce分为Map和Reduce两个阶段，Map阶段会将数据切片，分发到不同的机器上。在Reduce阶段会将具有相同Key的<Key,Value>进行汇总。

结合我们现在的需求，我们的目的是想通过MR将