经常出现的权重调配算法是怎样样的 (经常出现的权利有哪些)

本文目录导航：

• 经常出现的权重调配算法是怎样样的？
• 什么是权重分？
• 权重和调整后权重怎样计算？

经常出现的权重调配算法是怎样样的？

AHP层级法。

档次剖析法（Analytic Hierarchy Process，简称AHP）是美国运筹学家、匹兹堡大学T. L. Saaty传授在20世纪70年代初期提出的， AHP是对定性疑问启动定量剖析的一种简便、灵敏而又适用的多准绳决策方法。

它的特点是把复杂疑问中的各种起因经过划分为相互咨询的有序档次，使之条理化，依据对必定客观事实的客观判别结构（关键是两两比拟）把专家意见和剖析者的客观判别结果间接而有效地联合起来，将一档次元素两两比拟的关键性启动定量形容。

用途举例

例如，某人预备选购一台电冰箱，他对市场上的6种不同类型的电冰箱启动了解后，在选择买哪一样式时，往往不是间接启动比拟，由于存在许多无法比的起因，而是选取一些两边目标启动调查。

例如电冰箱的容量、制冷级别、多少钱、型式、耗电量、外界信用、售后服务等。

而后再思考各种型号冰箱在上述各两边规范下的优劣排序。

借助这种排序，最终作出选购决策。

在决策时，由于6种电冰箱关于每个两边规范的优劣排序普通是不分歧的，因此，决策者首先要对这7个规范的关键度作一个预计，给出一种排序。

而后把6种冰箱区分对每一个规范的排序权重找进去，最后把这些消息数据综合，获取针对总目的即购置电冰箱的排序权重。

什么是权重分？

该权重分这算法是：经过将各数值（如往常效果、期中考效果、期末考效果）乘以相应的权数，而后加总求和，获取总体值，再除以总的单位数（例如，往常效果占30%，期中考效果占30%，期末考效果占40%）。

权重的值就是加权平均值。

这个平均值的大小不只取决于总体中各单位的数值大小，而且取决于各数值产生的次数（频数）。

由于各数值产生的次数对其在平均数中的影响起着掂量轻重的作用，因此叫做权数。

例如，假设一个在校生的往常效果占总评的30%，期中考效果占总评的30%，期末考效果占总评的40%，那么这个在校生的期末总评效果可以经过以下公式计算：期末总评=往常效果×0.3+期中考效果×0.3+期末考效果×0.4。

这个公式展现了如何将三个不同的效果依照在总评中的比重启动加权计算，从而得出最终的期末总评效果。

权重和调整后权重怎样计算？

权重和调整后权重在统计、机器学习和提升疑问中具备关键作用。

它们理论示意某个变量、特色或参数关于模型或系统的相对关键性。

以下是关于权重和调整后权重计算的便捷示例。

1. 权重计算：权重理论由观察者或算法调配，以示意特定变量对全体关键性的评价。

以一个便捷的线性回归模型为例，咱们有以下数据： x1x2y --------------- 123 234 345 为了计算权重，咱们可以便捷地将每个特色除以特色总和： weight_x1 = x1 / (x1 + x2 + x3) = 1 / 6 weight_x2 = x2 / (x1 + x2 + x3) = 1 / 6 weight_x3 = x3 / (x1 + x2 + x3) = 1 / 6 每个特色的权重都是 1/6。

2. 调整后权重计算：调整后权重理论是经过对原始权重启动某种转换或调整获取的。

一个经常出现的例子是归一化权重。

归一化权重是使权重总和为 1 的调整后权重。

在这种状况下，咱们可以计算调整后权重： adjusted_weight_x1 = weight_x1 / (weight_x1 + weight_x2 + weight_x3) = 1/3 adjusted_weight_x2 = weight_x2 / (weight_x1 + weight_x2 + weight_x3) = 1/3 adjusted_weight_x3 = weight_x3 / (weight_x1 + weight_x2 + weight_x3) = 1/3 每个特色的调整后权重都是 1/3。

这些示例展现了权重和调整后权重的基本计算方法。

依据详细状况，可以经常使用更复杂的算法和权重调整战略。