В настоящее время у меня есть корзина из 200 инвестиционных портфелей, которые разделены на 3 стиля: длинный, промежуточный и короткий.Каждое портфолио имеет 10 интересных функций X, которые определяют его стиль.Я хочу создать систему, с помощью которой я могу определять портфели, которые не в стиле, и которые требуют некоторой работы, чтобы вернуть их в стиль.
Моя мысль - использовать вероятностные рамки для решения этой проблемы.Это сократит мои 10 интересных функций до единого числа, которое определит, нужно ли вниманию портфолио.С этой целью в настоящее время я создаю двоичный классификатор для каждого стиля, используя нейронную сеть с сигмовидной функцией активации для оценки вероятностей.Если вероятность того, что портфель принадлежит определенному стилю, составляет менее 75%, я сделаю все, чтобы вернуть портфель в стиль.
Является ли это лучшей основой для системы обнаружения аномалий, учитывая то, что я пытаюсь сделатьдостичь?Полиномиальный классификатор может быть другим вариантом, но он очень похож на простой двоичный классификатор, который я описал выше.
Лучший