基于Hadoop平台的分布式SVM参数寻优

　　参数的选择对算法分类与预测的正确率有直接影响。在参数选择中全局网格搜索有着计算可靠、简单、优化效果明显的优势，适合应用于可靠性要求高的工程运算，如在复杂系统的故障诊断中对故障模式识别算法进行参数寻优等。但是，全局网格搜索在寻优过程中耗时过长，仍然是一个制约其使用的问题，尤其对于实时性要求较高的系统。以支持向量机的参数全局寻优问题为例，针对网格搜索寻优时间长的缺点，利用Hadoop平台进行分布式参数寻优，借助HDFS将参数自动划分到计算节点上，并运用MapReduce计算框架建立分布式参数寻优模型，完成模型训练预测及参数优化。实验结果表明，在不降低算法性能的前提下提高了寻优效率。