并行在Spark中训练多个SVM

Question

假设我有一个带有列（“类”，“ x”，“ y”，“ z”，“标签”）的数据框，并且我想训练多个SVM，“类”中每个不同的值对应一个”列。实现此目的的一种方法是：

df.select("class").
   distinct.
   rdd.
   collect().
   map(x=>x(0)).
   map(x=>train(df.where(col("class")===lit(x))))

火车的功能是：

1. 将数据框转换为 org.apache.spark.mllib.regression.LabeledPoint使用（“ x”，“ y”，“ z”） 作为功​​能，“标签”作为SVM标签。
2. 使用org.apache.spark.mllib.classification.SVMWithSGD训练SVM
3. 返回 SVM作为数据帧的权重和截距。

问题在于，在这种方法下，Spark会按顺序训练SVM。但是，由于类之间没有数据重叠，因此我想并行地训练它们。有什么办法可以做到这一点？