HyperAI超神经

무게이는 상대적인 개념입니다. 특정 지표의 경우, 가중치는 전반적인 평가에서 해당 지표의 중요성을 의미합니다.

평가 과정에서는 평가 대상의 다양한 측면의 중요성을 측정하기 위해 가중치를 사용하여 전반적인 평가에서 각 평가 요소의 역할을 차별화합니다. 즉, 종료 시점이 없는 평가는 객관적인 평가가 아니다.

무게의 기본 공식

올바른 것을 찾기 위한 기본 공식은 다음과 같습니다.

${p\mathop{{}}\nolimits_{{i}}\text{ }=\text{ }\frac{{ \mu \mathop{{}}\nolimits^{{2}}}}{{m\mathop{{}}\nolimits_{{i}}\mathop{{}}\nolimits^{{2}}}}\text{ }{ \left( {i\text{ }=\text{ }1,\text{ }2,\text{ }…} \right) }}$

여기서 ${ \mu }$ 는 임의의 상수이고 ${m\mathop{{}}\nolimits_{{i}}}$ 는 평균 제곱 오차입니다.

가중치는 평균 오차의 제곱에 반비례하는 것을 볼 수 있습니다. 즉, 정밀도가 높을수록 가중치가 커집니다. ${m\mathop{{}}\nolimits_{{i}}\text{ }=\text{ }\mu}$ 이고, ${p\mathop{{}}\nolimits_{{i}}\text{ }=\text{ }1}$ 이므로, 가중치가 1인 관측치의 평균 오차입니다. 가중치가 1인 관측치는 일반적으로 단위 가중치라고 하며, 가중치가 1인 관측치는 단위 가중치 관측치입니다. ${ \mu }$ 는 단위 중량 관측치의 평균 오차이며, 줄여서 단위 중량 평균 오차라고 합니다.

각 관찰치의 가중치 간의 비례 관계는 다음과 같이 쓸 수 있습니다.

${p\mathop{{}}\nolimits_{{1}}\text{ }:\text{ }p\mathop{{}}\nolimits_{{2}}\text{ }:\text{ }⸳⸳⸳\text{ }:\text{ }p\mathop{{}}\nolimits_{{n}}\text{ }=\text{ }\frac{{ \mu \mathop{{}}\nolimits^{{2}}}}{{m\mathop{{}}\nolimits_{{1}}\mathop{{}}\nolimits^{{2}}}}\text{ }:\text{ }\frac{{ \mu \mathop{{}}\nolimits^{{2}}}}{{m\mathop{{}}\nolimits_{{2}}\mathop{{}}\nolimits^{{2}}}}\text{ }:\text{ }⸳⸳⸳\text{ }:\text{ }\frac{{ \mu \mathop{{}}\nolimits^{{2}}}}{{m\mathop{{}}\nolimits_{{n}}\mathop{{}}\nolimits^{{2}}}}\text{ }=\text{ }\frac{{1}}{{m\mathop{{}}\nolimits_{{1}}\mathop{{}}\nolimits^{{2}}}}\text{ }:\text{ }\frac{{1}}{{m\mathop{{}}\nolimits_{{2}}\mathop{{}}\nolimits^{{2}}}}\text{ }:\text{ }⸳⸳⸳\text{ }:\text{ }\frac{{1}}{{m\mathop{{}}\nolimits_{{n}}\mathop{{}}\nolimits^{{2}}}}}$

관찰값 집합의 가중치 비율은 평균 제곱 오차의 역수의 비율과 같다는 것을 알 수 있습니다.