加权求和:不把每个数据平等看待,而是根据每个数据的重要性(即权重)来分配不同的比例,然后再把它们加起来。
公式
假设有数据 ,对应的权重 ,则加权求和为:
其中:
-
大写希腊字母 叫 求和符号(Summation Notation),读作 "sigma"(西格玛),数学中专门用来表示一系列项的累加。
-
理解 ,拆解成三个部分来看:
| 组成部分 | 名称 | 含义 |
|---|---|---|
| 求和符 (Sigma) | "把后面的东西全部加起来" | |
| 下界 / 起始索引 | 从第 1 项开始 | |
| 上界 / 终止索引 | 到第 n 项结束 | |
| 通项 (General Term) | 每一项的具体表达式,其中 是变量 |
完整含义:令 依次取 ,将每次得到的 的值全部相加。,对应加权求和。
- 简洁:当 很大或不确定时,不可能把每一项都写出来, 一行就搞定。
- 通用: 只是一个哑变量(dummy variable),换成 、 意义完全相同:。
- 可运算:求和符号有丰富的代数性质(线性性、交换次序、拆分合并等),方便后续推导证明。
在论文、教材和技术文档中,几乎总是使用 的形式。
与普通求和的区别
-
普通求和:每个数据权重都是 1,一视同仁,例如:3 + 5 =8;
-
加权求和:权重不同,重要的数据占的比重大,例:如果 3 的权重是 2,5 的权重是 1,结果就是 。
场景
期末成绩计算:
-
平时成绩占 30%,期末成绩占 70%;
-
如果平时考了 90 分,期末考了 80 分;
总评就是: 分。
这里 0.3 和 0.7 就是权重,它们体现了期末成绩更重要。
常见于:
-
成绩/绩效评估:不同指标占不同比重。
-
投资组合:不同资产按比例计算总收益。
-
机器学习:给不同特征或样本赋予不同重要性。
-
图像处理/信号处理:滤波时对周围像素按距离加权。
总结:加权求和就是“按重要性打折后再相加”。