算法常见问题

Angel是一个分布式机器学习平台，在上面运行算法，得到模型，这只是第一步，更加关键第二步，训练出来模型，要有比较好的准确率，可以对数据进行准确预测。在这个过程中，用户可能会遇到各种各样的问题，这里我们也一一总结一下

LR

模型不收敛，预测效果差

1. 请检查正则项系数是否适合，过大的正则项参数会影响模型收敛，建议不大于 1/featureNum
2. 检查Learn Rate是否过大
3. 检查数据预处理是否有做好

模型收敛慢、收敛效果不好：Auc上涨、Loss下降速度慢，指标停留在一个不算好的值

1. 试试调大Learn Rate
2. 调小Decay
3. 增大batchNum

准备训练数据的注意事项：

1. 数据清洗时，通过采样控制正负样本差距不要太大
2. 正负样本均匀随机分布，避免出现某个batch中完全没有正样本或者负样本的情况
3. Angel后续加入读取后均匀化的功能，把正样本平均的插到负样本中

（感谢QQ群[20171688]里 陈浩 和 拓宇 的贡献）