备考CFA考试是需要考生掌握很多知识的，那在CFA考试中有监督学习分类或有序变量知识掌握了没有？如果你正在备考这个知识点话，跟着小编一起看看CFA知识！

（1）支持向量机 SVM

用线性分类器(linear classifier)分割n维超平面(hyperplane)

通过*裕度(maximum margin)来分隔数据

裕度中间为判别边界(discriminant boundary)

（2）邻近算法 KNN

超参数

度量相似性或接近度


分类和回归树CART

对训练数据的特征没有任何假设，不受约束，可能过拟合

超参数包括树的*深度、节点的*小总体、决策节点的*数量

正则化可以减少树的大小，将提供很少分类能力的部分修剪(pruning)

根节点和每个决策节点表示单个特征(feature)和该特征的截止值(cutoff)

二叉树和特征空间提供了可视化的直观解释

（3）集成学习(ensemble learning)：从一组模型中组合预测

异构学习器的集成(aggregation of heterogeneous learners)

不同类型的算法与投票分类器相结合

多数票分类器(majority-vote classifier)为一个新数据点分配票数*多的预测标签

（4）同构学习器的集成(aggregation of homogenous learners)

同一算法使用不同的训练数据的组合

自举集成法(Bootstrap aggregation, bagging)：用原始训练集生成n个新训练集

随机森林分类器(random forest classifier)：自举集成法训练的大量决策树的集合

不管你是备考CFA哪一级别的考试，这边有CFA资料和课程可以帮助考生学习CFA知识，这边还有2022年CFA公式表和思维导图，有需要可以在线咨询老师。