備考CFA考試是需要考生掌握很多知識的，那在CFA考試中有監(jiān)督學習分類或有序變量知識掌握了沒有？如果你正在備考這個知識點話，跟著小編一起看看CFA知識！

（1）支持向量機 SVM

用線性分類器(linear classifier)分割n維超平面(hyperplane)

通過*裕度(maximum margin)來分隔數(shù)據(jù)

裕度中間為判別邊界(discriminant boundary)

（2）鄰近算法 KNN

超參數(shù)

度量相似性或接近度


分類和回歸樹CART

對訓練數(shù)據(jù)的特征沒有任何假設，不受約束，可能過擬合

超參數(shù)包括樹的*深度、節(jié)點的*小總體、決策節(jié)點的*數(shù)量

正則化可以減少樹的大小，將提供很少分類能力的部分修剪(pruning)

根節(jié)點和每個決策節(jié)點表示單個特征(feature)和該特征的截止值(cutoff)

二叉樹和特征空間提供了可視化的直觀解釋

（3）集成學習(ensemble learning)：從一組模型中組合預測

異構學習器的集成(aggregation of heterogeneous learners)

不同類型的算法與投票分類器相結合

多數(shù)票分類器(majority-vote classifier)為一個新數(shù)據(jù)點分配票數(shù)*多的預測標簽

（4）同構學習器的集成(aggregation of homogenous learners)

同一算法使用不同的訓練數(shù)據(jù)的組合

自舉集成法(Bootstrap aggregation, bagging)：用原始訓練集生成n個新訓練集

隨機森林分類器(random forest classifier)：自舉集成法訓練的大量決策樹的集合

不管你是備考CFA哪一級別的考試，這邊有CFA資料和課程可以幫助考生學習CFA知識，這邊還有2022年CFA公式表和思維導圖，有需要可以在線咨詢老師。