【发布时间】：2019-06-25 22:10:16
【问题描述】：
我目前有一篮子 200 个投资组合，分为 3 种风格：多头、中级和空头。每个投资组合都有 10 个有趣的特征 X 来定义其风格。我想创建一个系统，通过它我可以识别过时的投资组合，并且需要一些工作才能让它们恢复风格。
我的想法是使用概率框架来解决这个问题。这会将我的 10 个有趣的功能减少到一个数字，这将决定投资组合是否需要关注。为此，我目前正在使用具有 sigmoid 激活函数的神经网络在每种样式上创建一个二元分类器来估计概率。如果投资组合属于某种风格的概率低于 75%，我会进行交易以使投资组合恢复风格。
考虑到我要完成的工作，这是异常检测系统的最佳框架吗？多项式分类器可能是另一种选择，但它与我上面描述的简单二元分类器非常相似。
最好的
【问题讨论】：
-
问题与
tensorflow或scikit-learn无关 - 请不要向无关标签发送垃圾邮件（已删除）。
标签： machine-learning neural-network anomaly-detection