输入数据x，输出数据y，这些概念相对明确然而，w权重和b偏置的含义往往难以理解接下来，我们深入解析w和b的含义及其在训练过程中的作用一简单训练的直观理解 设想我们有离散数据集，y_data = npdot0100， x_data + 0300这些数据点在一条直线上，通过最小均方差的梯度。
在资产配置领域，BlackLitterman模型提供了一种理论框架，结合投资者观点与市场均衡收益，以形成预期收益的更可靠估计与经典的马科维茨均方差优化模型相比，BlackLitterman模型在预期收益估计上进行了改进，使得资产配置决策更为合理该模型的核心思想在于使用贝叶斯方法，将投资者对于个别资产预期收益的主观。
更有利于跨职能沟通然而，5周7周等期数也可能更准确，有兴趣的读者可进一步探索预测准确度的评估方法有多种，其中均方差是常用的指标均方差越小，预测准确度越高，表明预测方法越有效在上述示例中，6周移动平均法的均方差最低，预测准确度最高，从图1的准确度曲线中可直观看出。
在实际应用中，我们可能需要根据数据的分布情况来确定一组数据的权重这时，我们可以利用标准差来辅助我们进行决策具体步骤如下首先，计算出每组数据的标准差然后，我们可以将标准差值与所有标准差值的平均值进行比较，如果某组数据的标准差值显著高于或低于平均值，那么我们可以认为这组数据的权重应该。
通过上面的分析我们看到利用风险NPV进行BOT项目评价的核心内容为确定 NPV服从的概率分布以及确定折现率，根据NPV的概率分布函数进行计算比如NPV的概率分布服从正态分布即NPV~μ，σ2，在1α置信水平下的风险NPVα可通过均方差法得到式中，Zα表示标准正态分布的α分位数，u表示均值假如置信。
权重确定主要通过主观或客观方法主观方法包括专家经验赋予权数层次分析法AHP权值因子判断表法德尔菲法模糊分析法二项系数法环比评分法最小平方法序关系分析法等客观方法则基于历史数据研究指标间关系，采用定量分析，常用方法有主成分分析因子分析熵值法变异系数法均方差法回归。
DNN可选择的损失函数有不少，为了专注算法，这里使用最常见的均方差来度量损失即对于每个样本，我们期望最小化下式损失函数有了，用梯度下降法迭代求解每一层的w，b首先是输出层第 L层 注意到输出层的W，b满足下式对于输出层的参数，损失函数变为求解W，b的梯度7 DNN反向传播算法过程。
常用方法主成分分析因子分析熵值法变异系数法均方差法回归分析法等 因样本数据分布不均匀，故手动赋权重值，去除部分极值 结论以近90天的消费活跃来看，用户消费频次集中在16次，呈现出极佳的复购率可以针对消费一次的人群进行特征分析比如针对人群的流动性，若流动人群占比较大，可进一步推广特色。
此外还包括标准离差法和均方差法也是常见的客观赋权法，其主要原理与标准差法类似它们在确定各指标的权重时考虑了数据的实际分布特征通过将各指标的变异程度或均方差纳入考虑范围，这些赋权法能更准确地反映各指标在综合评价中的重要性程度它们在处理复杂数据或多属性决策问题上具有较好的适用性在。
