不同目标函数加权要归一化吗

在学习和工作中，我们经常需要去处理不同的问题。由于每一类问题都有不同的目标，所以很多时候需要将解决问题所用到的不同目标函数进行归一化，这样可以方便我们对相应事件或者结果进行分析。那么在处理一些较复杂的事件或结果时，我们需要归一化哪些关键指标呢？有哪些关键指标影响着最终的结果呢？这些最基本的要求都很简单，但是在实际执行过程中，可能还会遇到很多困难。今天老罗就带大家来了解一下吧。

1、数据处理

在进行数据分析时，由于数据是从不同的平台输入到一个统一的数据源里的，所以数据分析的目标也就不同。在这里主要是将不同平台输入后从不同维度上的数据进行处理。对于数据的处理，可能是将各个平台输入相同的数据经过筛选并且形成多个不同的数据集，最后将多个不同类型的数据集按照一定规则进行排序。由于每个平台所显示的情况不一样，所以这类问题也就需要不同指标去划分各个平台上不同特征、类型的结果。而这些关键指标之间是不可以相互混淆使用的。如果使用同一个指标去判断所有数据集中是否存在同样症状或者类型而导致结果不一致或者不科学，就需要通过归一化将这些关键指标进行区分。

2、应用背景知识梳理

下面我们来了解一下计算一些事件的权重，具体如下：由上表格可知，在进行一个计算事件权重时，我们首先需要对处理过的事件产生2次加权处理。同时还必须针对于2次加权后所得到的权重除以当前时间的均值即得出当前的权重值。下面我们再来看一下计算一组数据完成特定事件时所得到的加权处理：从上面表格中可以看出，在处理一组数据进行计算时，我们会对1号函数进行加权和除以当前时间均值然后得出这个数据的权重值，最终得出一个数值:1-20。再来看一下实际应用中是如何去实现此功能的？在实际开发和使用过程中，将其应用到各种设计或工程项目中时，对每一组数据所完成的计算都是有一定要求的。

3、计算方法介绍

首先，我们定义两个不同的目标函数，分别是 long (i=1)/2-(i=2)。然后，我们在上面公式中对数据赋值为0,同时计算每个值对应的系数。接下来，我们来看看计算结果如何：如图5所示：因为我们在计算目标函数时使用了“归一化”的操作，所以最终结果都是一样的，因此使用“归一化”操作后不会产生改变公式的效果。另外，我们还会发现，这两个目标函数之间的权数是相等的。所以对这两个函数进行权数相等并不是不可以的。