利用监督相似性量化基金按类别的异常度
原文中文，约200字，阅读约需1分钟。发表于：。通过机器学习方法，量化基金的错误分类对组合配置和投资基金经理的影响，利用距离度量学习基于随机森林的方法检测异常值，并展示基金的异常值与其未来回报之间的强关系。
本文介绍了一种基于模型的异常检测方法，Out-of-Bag 异常检测，适用于多维数据集，能处理数字和分类特征。通过集合模型的训练，将无监督学习问题分解。作者通过实验展示了该方法的性能，并通过房屋估值案例研究证明了其在提高 ML 系统准确性和可靠性方面的作用。
