ヨーダが「Size matters not」って言ってたけどデータがでかすぎてトレーニングが終わりません

3400万件の100文字程度の日本語のテキストを150万件のラベルに分類しようとしています。アドバイスください。

どこまでやったか

1. EC2のc3.8xlargeを1台用意しました(ごついやつ)
2. 日本語をmecabで切り分けました
3. sk-learnでvectorizeしました(MAX_FEATURES=10000)
4. sk-learnでTruncatedSVDしました
5. sk-learnでnormarizeしました
6. ライブラリ外でCython使えるところはCythonで書きました(cdefを使える限り使いました)
7. RandomForestClassifierでn_jobs=32にしてfitしました(10コアまでしか認識しなかった)

何ができないか

1. 上記の条件で48時間実行しましたがfit中にセグメンテーション違反でこけました
2. 同条件で試しにトレーニングデータを150万件に減らしたけど、それでも24時間以上かけて終わりませんでした
3. セグメンテーション違反の原因は未調査です(が、上記の実行時間等から、このやり方では使い物にならない気がしているので、抜本的にやり方を変える必要があるのではないかと思っています)

何がしたいか

下記の前提を守りつつ学習と予測をできるようにしたいです

前提

1. 縦3400万件、横100文字程度の日本語のテキストで、それぞれに正解のラベルがあるデータでトレーニングと予測をしようとしています
2. その道2週間の素人なので簡単な方法が望ましいです
3. 学習一発に3万円くらいならかけられます(場合によってはもうちょっとかけられるかも)
4. 100文字の日本語の内容は聞かないでください。名詞が多いです。
5. RandomForestにしたのは、sk-learnの分類器を10000件くらいのデータでかたっぱしから試したら精度が良かったからです
6. 最も成績が良く、かつ学習が速かった分類器はExtraTreesClassifierでしたが、Cythonにしたらセグメンテーションエラーを頻発し、原因を追い切れなかったので諦めました
7. 目標の学習時間は48時間、予測時間は1分です

今考えてる選択肢(上の方が優先順位が高い)

1.spark+mlib+EC2+金
2.Mahout+hadoop+Elastic Map Reduce+金