【考試記錄】Apsara Clouder大資料技能認證：基于機器學習的客戶流失預警分析

一：考試總結

這個考試說實話，已經過時了，因為實驗中用的版本是老版本，而阿裡在今年2020年已經有了V2.0，是以，實驗可以不用做了，至于知識點還是可以好好學習的，畢竟有很多幹貨。至于原題，沒有搜到，自己硬着頭皮做的，一次過，幸虧研究所學生學的是大資料和機器學習，是以這個的考試還是比較容易的，如果沒有相關基礎的話，好好看官方視訊，也是能過的，考的題目都在PPT裡出現過，多看幾遍沒問題的。

二：真題

回憶：好多都是跟基本概念有關的，ID3,C4.5,C50這三個概念考了。

 下面的表格是重點

 考了內建學習：針對同一資料集，訓練多種學習器，來解決同一問題，包括什麼，他們的差別是什麼。

特征工程：最大限度地從原始資料中提取特征以供算法和模型使用

資料預處理：标準化、縮放、缺失值、變換、編碼等

特征産生：結合業務資料，派生新的特征

特征選擇：通過各種統計量、模型評分等，篩選合适的特征

降維：PCA、LDA等減少特征個數     能用更少的模型得出好的結果，就盡量不要用太多的模型。模型越多，受影響越多。

模型評估:解釋&泛華

解釋：模型能夠很好的解釋資料集叫做解釋型模型

泛化：把一個模型使用在新的資料集上，如果表現非常糟糕，說明泛化能力差（顧名思義。使用廣泛化）

過拟合：在原來的資料集表現的非常好，在另一個資料集上又太差了。這就是泛化能力差，也即是過拟合

随機森林也考了。

其實，隻要把視訊好好看，外加點機器學習的基礎，還是很容易的，如果是小白的話，那就多看幾遍。