دالة المجموع المرجح

تراكب بيانات نقطية عديدة، وضرب كل منها في الترجيح المعطي، وجمعها معًا.

ملاحظات

يمكن أن تكون البيانات النقطية عددًا صحيحًا أو نقطة طافية.

سيتم تطبيق الترجيح على الحقل المحدد للبيانات النقطية المدخلة. يمكن أن تكون الحقول من نوع عدد صحيح قصير أو طويل، أو مزدوجة، أو طافية.

هناك طريقة مفيدة لإضافة بيانات نقطية عديدة معًا وهي إدخال بيانات نقطية عديدة وتعيين كل الترجيحات مساوية لـ 1.

يمكن أن تكون قيم الترجيحات أي قيمة عشرية سالبة أو موجبة. لا تقتصر على نسبة مئوية ذات صلة، ولا يلزم أن تساوي 1.0.

المعلمات

اسم المعلمةالوصف

جدول مجموع موزون

يتم تحديد جدول المجموع المرجح بثلاث خصائص:

  • البيانات النقطية—البيانات النقطية التي يتم ترجيحها.
  • الحقل—حقل البيانات النقطية المراد استخدامه للترجيح.
  • الترجيح—قيمة الترجيح لمضاعفة البيانات النقطية. يمكن أن تكون أي قيمة عشرية سالبة أو موجبة.

نوع حجم الخلية

اختر حجم الخلية المطلوب استخدامه في البيانات النقطية الناتجة. إذا كانت أحجام الخلية المدخلة متطابقة، ستقدم كل الخيارات نفس النتائج.

  • أول - استخدم حجم الخلية الأول للبيانات النقطية المدخلة.
  • أدنى - استخدم أصغر حجم للخلية لكل البيانات النقطية المدخلة.
  • أقصى - استخدم أكبر حجم للخلية لكل البيانات النقطية المدخلة. هذا هو الوضع الافتراضي.
  • متوسط - استخدم متوسط حجم للخلية لكل البيانات النقطية المدخلة.
  • آخر - استخدم آخر حجم للخلية للبيانات النقطية المدخلة.

نوع المدى

اختر النطاق الذي يجب استخدامه في البيانات النقطية الناتجة:

  • أوَّل - استخدم نطاق البيانات النقطية المدخلة الأولى لتحديد نطاق المعالجة.

  • تقاطُع - استخدم نطاق وحدات البكسل المتراكبة لتحديد نطاق المعالجة. هذا هو الوضع الافتراضي.
  • اتحاد - استخدم نطاق كل البيانات النقطية لتحديد نطاق المعالجة.
  • آخر - استخدم نطاق البيانات النقطية المدخلة الأخيرة لتحديد نطاق المعالجة.

تعرف على المزيد عن المجموع المرجح

توفر وظيفة المجموع المرجح القدرة على ترجيح مدخلات متعددة ودمجها لإنشاء تحليل متكامل. وهي مشابهة لوظيفة التراكب الموزون في مدخلات البيانات النقطية المتعددة تلك، والتي تمثل عوامل متعددة، يمكن دمجها بسهولة، مع دمج الترجيحات أو الأهمية النسبية.

يعمل المجموع المرجح بضرب قيم الحقول المعينة لكل بيانات نقطية مدخلة في الترجيح المحدد. يقوم بعد ذلك بجمع (إضافة) جميع البيانات النقطية المدخلة معًا لإنشاء بيانات نقطية ناتجة.

هناك نوعان من الاختلافات الرئيسية بين هذه الوظائف:

  • لا تقوم وظيفة المجموع المرجح بإعادة قياس القيم المعاد تصنيفها إلى مقياس تقييم.
  • تسمح وظيفة المجموع المرجح باستخدام القيم من نوع النقطة الطافية والعدد الصحيح، بينما تقبل وظيفة التراكب الموزون البيانات النقطية من نوع العدد الصحيح فقط كمدخلات.

من خلال عدم إعادة قياس القيم المعاد تصنيفها إلى مقياس التقييم، يحافظ التحليل على دقته. على سبيل المثال، في نموذج الملاءمة، إذا كانت هناك 10 معايير إدخال تمت إعادة تصنيفها إلى مقياس من 1 إلى 10 (على أن تكون 10 هي الأكثر تفضيلاً) ولم يتم تعيين أوزان، يمكن أن تتراوح القيم في الناتج من المجموع المرجح بين 10 و100. بالنسبة إلى الإدخال نفسه، سيقوم التراكب الموزون بتسوية نطاق التحليل المعاد تصنيفه من 10 إلى 100 على مقياس التقييم، على سبيل المثال، إعادته إلى المقياس من 1 إلى 10. قد يكون الحفاظ على دقة النموذج في المجموع المرجح مفيدًا عندما تريد تحديد أفضل عدد قليل من المواقع المفضلة أو عدد محدد من المواقع فقط.

ملاحظة:‏

لا يكون دمج طبقات بيانات مستمرة متعددة مع نطاقات مختلفة مفيدًا دائمًا.

بشكل عام، يتم تجميع قيم البيانات النقطية المستمرة في فئات. على سبيل المثال، يمكن تجميع قيم الانحدارات المختلفة في مسطح، ومتوسط، ومنحدر، وشديد الانحدار. يمكن تعيين كل قيمة انحدار على إحدى هذه الفئات، ويمكن تعيين قيمة إعادة تصنيف للفئة تحدد تفضيل الفئة بالنسبة إلى معيار في تحليل التراكب. تتيح وظيفة إعادة التعيين إعادة تصنيف هذه البيانات النقطية.

تُستخدم وظيفة التراكب الموزون بالشكل الأكثر شيوعًا لنمذجة الملاءمة ويجب استخدامها لضمان اتباع المنهجيات الصحيحة. تكون وظيفة المجموع المرجح مفيدة عندما تريد الحفاظ على دقة النموذج أو عندما تكون مخرجات النقطة الطافية أو الأوزان العشرية مطلوبة.