我目前拥有200个投资组合，这些组合被分为三种风格：长线、中线和短线。每个组合都有10个有趣的特征X来定义其风格。我希望创建一个系统，以便识别那些偏离风格且需要一些工作才能恢复到原风格的组合。

我的想法是使用一个概率框架来解决这个问题。这将把10个有趣的特征简化为一个数字，以确定该组合是否需要关注。为此，我目前正在为每种风格创建一个二元分类器，使用带有Sigmoid激活函数的神经网络来估算概率。如果某个组合属于某一风格的概率低于75%，我将进行交易以将组合恢复到原风格。

考虑到我的目标，这是否是最佳的异常检测系统框架？多项式分类器可能是另一个选项，但它与我上面描述的简单二元分类器非常相似。

最好的祝愿

回答：

对那些好奇的人来说，我最终使用了一侧支持向量机。我认为这是最好的选择，因为我可用的负面例子非常少。

最好的祝愿