使用Mahout進行網格搜索可以通過以下步驟實現：

1. 導入Mahout庫和必要的依賴項。

import org.apache.mahout.cf.taste.impl.model.file.FileDataModel;
import org.apache.mahout.cf.taste.impl.recommender.svd.*;
import org.apache.mahout.cf.taste.model.DataModel;
import org.apache.mahout.cf.taste.recommender.Recommender;
import org.apache.mahout.cf.taste.recommender.svd.*;
import org.apache.mahout.common.RandomUtils;

2. 創建一個數據模型，加載訓練數據。

DataModel model = new FileDataModel(new File("data.csv"));

3. 定義一個參數網格，用于搜索最佳參數。

double[] ranks = {10, 20, 30};
double[] lambdaValues = {0.05, 0.1, 0.2};
int numIterations = 100;

4. 使用循環遍歷參數網格，訓練模型并評估性能。

for (double rank : ranks) {
    for (double lambdaValue : lambdaValues) {
        ALSWRFactorizer factorizer = new ALSWRFactorizer(model, (int) rank, lambdaValue, numIterations);
        Recommender recommender = new SVDRecommender(model, factorizer);
        
        // 計算評價指標，比如RMSE或者MAE
        // 可以根據評價指標選擇最佳參數
    }
}

5. 根據評價指標選擇最佳參數，并使用最佳參數訓練最終的推薦模型。

double bestRank = ...; // 根據評價指標選擇最佳rank
double bestLambdaValue = ...; // 根據評價指標選擇最佳lambdaValue

ALSWRFactorizer bestFactorizer = new ALSWRFactorizer(model, (int) bestRank, bestLambdaValue, numIterations);
Recommender bestRecommender = new SVDRecommender(model, bestFactorizer);

通過上述步驟，您可以使用Mahout進行網格搜索并找到最佳的參數組合來訓練推薦模型。