dsr和权重的区别

DSR和权重都是指在数据挖掘、机器学习等领域中对于某些数据的重要程度或权重的概念。DSR全称为Data Sampling Ratio，指的是数据中某些类别或特征所占比例的重要程度，其影响着算法的训练和预测结果。例如，如果训练数据中某个类别的样本数量过少，那么这个类别在算法中的重要性也会降低，导致算法的预测结果偏向于其他类别。权重则是指一些数据在算法训练或预测中的重要性，通过对数据进行加权来影响算法的结果。例如，对于逻辑回归算法，可以通过为某些特征分配较高的权重来强化这些特征对预测结果的影响力，从而提高算法的准确性。总的来说，DSR和权重可以说是影响算法训练和预测结果的两个重要因素，需要根据具体情况进行合理的选择和运用。

权重是什么意思？加权又是什么意思？

权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。

举例

打个比方说, 一件事情, 你给它打100分, 你的老板给它打60分, 如果平均, 则是(100+60)/2=80分. 但因为老板说的话分量比你重, 假如老板的权重是2, 你是1, 这时求平均值就是加权平均了, 结果是(100*1 + 60*2)/(1+2)=73.3分, 显然向你的老板那里倾斜了。假如老板权重是1，你的权重是3，结果是（100*3+60*1）/（1+3）=90。这就是根据权重的不同进行的平均数的计算，所以又叫加权平均数。

所谓概率，简言之，事件出现或发生的机会。任何股票都不可能永远升，只能是升升降降。

股市真是严格的概率游戏吗？先看看一个简单的例子，股价连续上升2天，第3天出现上升的概率是多大？50%？理论上是上升和下跌的概率都是50%，可历史告诉我们，第三天股价上升的概率比下跌的概率要大得多！所以股市还要抓住热点，找准节奏，果断出击。

权重 权重是一个相对的概念，是针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。

权重表示在评价过程中，是被评价对象的不同侧面的重要程度的定量分配，对各评价因子在总体评价中的作用进行区别对待。事实上，没有重点的评价就不算是客观的评价。

打个比方说, 一件事情, 你给它打100分, 你的老板给它打60分, 如果平均, 则是(100+60)/2=80分. 但因为老板说的话分量比你重, 假如老板的权重是2, 你是1, 这时求平均值就是加权平均了, 结果是(100*1 + 60*2)/(1+2)=73.3分, 显然向你的老板那里倾斜了。假如老板权重是3，你的权重是1，结果是（100*1+60*3）/（1+3）=70。这就是根据权重的不同进行的平均数的计算，所以又叫加权平均数。

鹏仔微信 15129739599 鹏仔QQ344225443 鹏仔前端 pjxi.com 共享博客 sharedbk.com