什么是重要性采样
重要性采样是一种数学工具，用于：当你无法从目标分布 P P P 中采样时，如何通过另一个分布 Q Q Q 的样本来估算 P P P 的期望值。
• 场景：你想知道某个随机变量 f ( x ) f(x) f(x) 在分布 P P P 下的平均值（期望 E P [ f ( x ) ] E_{P}[f(x)] EP[f(x)]），但你手里只有根据分布 Q Q Q 产生的数据。
• 做法：你在计算平均值时，给每个样本乘上一个"修正系数"（即重要性权重）：
w = P ( x ) Q ( x ) w=\frac{P(x)}{Q(x)} w=Q(x)P(x)
重要性采样（Importance Sampling）本质上不是一种采样技术，而是一种统计估算技术。 它的核心目的不是为了获得目标分布 P P P 的样本，而是为了估算函数 f ( x ) f(x) f(x) 在该分布下的期望值，特别是当直接从 P P P 采样效率极低时。
如果一个样本在目标分布 P P P中出现的概率很高，但在你实际用的分布 Q Q Q中出现概率很低，那么这个样本就非常"稀有且重要"，采样到它时，你要给它加很大的权重；反之则减小权重。
重要性采样的本质
重要性采样（Importance Sampling）的核心逻辑确实就是"加权平均"求期望。
1. 为什么不能直接采？（痛点）
通常我们想计算一个函数 f ( x ) f(x) f(x) 在概率分布 p ( x ) p(x) p(x) 下的期望。但现实中常遇到两个问题：
• p ( x ) p(x) p(x) 很难直接采样（比如分布极其复杂）。
• 样本分布不均：你感兴趣的部分（对结果贡献大的部分）在 p ( x ) p(x) p(x) 中概率极低（稀有事件），直接采样可能采样一万次都碰不到一次，导致结果偏差巨大。
2. 怎么变通？（采样分布的转换）
既然 p ( x ) p(x) p(x) 不好采样，我们就从一个好采样的分布 q ( x ) q(x) q(x)（称为 Proposal Distribution）中提取样本。但因为 q ( x ) q(x) q(x) 不是原分布，直接计算结果肯定不对，所以必须通过数学上的"变号"来修正：
E p [ f ( x ) ] = ∫ f ( x ) p ( x ) d x = ∫ f ( x ) p ( x ) q ( x ) q ( x ) d x = E q [ f ( x ) p ( x ) q ( x ) ] E_{p}[f(x)]=\int f(x)p(x)dx=\int f(x)\frac{p(x)}{q(x)}q(x)dx=E_{q}\left[f(x)\frac{p(x)}{q(x)}\right] Ep[f(x)]=∫f(x)p(x)dx=∫f(x)q(x)p(x)q(x)dx=Eq[f(x)q(x)p(x)]
这个公式告诉我们：如果你想用旧数据算出新策略的得分，你就必须给每一个奖励 R R R 乘上这个概率比值。
3. 加权的本质（修正）
公式中多出来的 w ( x ) = p ( x ) q ( x ) w(x)=\frac{p(x)}{q(x)} w(x)=q(x)p(x)就是你提到的权重（Importance Weight）。
• 如果 p ( x ) > q ( x ) p(x)>q(x) p(x)>q(x)：说明这个动作在新策略中发生的概率比旧策略大。 由于我们只有旧策略采集到的有限样本，为了模拟新策略的期望收益，我们需要"放大"这个样本的影响力，补偿它在新策略中本应出现但因采样源不同而显得不足的频率。
• 如果 p ( x ) < q ( x ) p(x)<q(x) p(x)<q(x)： 说明新策略其实不太会走这条路。即使旧策略采集了很多这样的数据，我们在计算新策略的收益时，也要把它们的影响力"缩小"。
重要性采样的逻辑就是：用一个"错"的分布去采样，然后通过"加权"的方式把结果拉回到"对"的期望上。
重要性采样的本质（解读）
权重大于 1 不代表样本"更好"，而代表这个样本对新策略"更重要"或"更有代表性"。"好坏"是由奖励（Reward）决定的，而权重决定的是影响力（Impact）。
1. 权重 > 1 的真实含义
在重要性采样中，权重 ρ = π ( a ∣ s ) π β ( a ∣ s ) \rho =\frac{\pi (a|s)}{\pi _{\beta }(a|s)} ρ=πβ(a∣s)π(a∣s)。
• 权重 > 1： 意味着"新策略 \\pi 比旧策略更倾向于做这个动作"。
• 例子： 假设旧策略在路口 90% 往左走，新策略 90% 往右走。当你手里只有旧数据时，往右走的样本非常稀少。为了准确评估新策略，算法必须给那几个罕见的"往右走"的样本乘上一个很大的权重（补足它们在新策略分布中应有的占比）。
2. 权重与奖励的组合决定"好坏"
判断一个动作是否"好"，要看权重×奖励的结果：
• 权重 > 1 且 奖励为正： 这个动作对新策略很重要，而且结果很好。模型会大幅增加这个动作的概率。
• 权重 > 1 且 奖励为负： 这个动作对新策略很重要，但结果很糟。模型会剧烈地惩罚这个动作，让新策略以后别这么干。
• 结论： 权重只是一个"放大器"。它告诉模型："喂！新策略非常关注这类行为，你要看清楚这些行为带来的后果是奖励还是惩罚！"
不要把权重看作"奖状"，要把它看作"倍率"。它不代表样本本身优劣，只代表在计算新策略得分时，这个样本需要被放大的程度，以纠正采样造成的偏差**。
3. 为什么权重太大反而"不好"？
在实际训练中，过大的权重往往是危险的，而不是好事：
• 高方差风险： 如果权重很大（例如 100），说明新旧策略差异巨大。这时一个小概率样本就能让模型参数产生剧烈震荡，导致训练不稳定。
• 算法限制： 著名的 PPO 算法 会强制将权重裁剪（Clip）在 0.8 到 1.2 之间，就是为了防止权重过大导致模型"跑偏"。
case1：估算全校学生的平均身高
假设你想知道某所大学全校学生的平均身高，但你无法获得完整的学生名单。
-
直接采样的困难（目标分布 P P P）：你本应该在校园里随机拦截学生。但遗憾的是，你只有在篮球队训练馆门口拦截学生的权限。
-
选择容易采样的分布（提议分布 Q Q Q）：你只能从篮球队成员（ Q Q Q 分布）中采样。显然，篮球队员的身高普遍很高，如果你直接取他们的平均值，结果肯定会偏高（估算不准）。
-
使用重要性采样进行修正（权重 W W W）：为了得到全校的真实平均值，你在测量每个篮球队员时，需要给他们的身高乘上一个权重（修正系数）：
w = 全校出现该身高的概率 篮球队出现该身高的概率 w=\frac{全校出现该身高的概率}{篮球队出现该身高的概率} w=篮球队出现该身高的概率全校出现该身高的概率
• 如果一个 2 米的人在篮球队里很常见，但在全校很罕见，他的权重就会很低（比如 0.1）。
• 如果一个 1.7 米的人在篮球队里极其罕见，但在全校其实很普通，他的权重就会很高（比如 10）。
-
最终结果：将"篮球队员的身高 × 对应的权重"加起来求平均。虽然你只采访了篮球队，但通过这个权重的修正，你依然能推算出全校学生的真实平均身高。
case2：估算保险公司赔付大额保单的风险
假设你要计算某保险公司明年赔付金额超过 10 亿元的概率（即计算期望值）。
- 直接计算的困境（稀有事件）：
在现实中（目标分布 (P)），发生 10 亿元赔偿的概率极低（比如 (0.0001%)）。如果你用普通的蒙特卡洛方法，模拟 10 万次可能一次大额赔付都不会发生。这样算出来的期望值误差极大，甚至全是 0 - 改变"玩法"（提议分布 (Q)）：
既然目标事件太罕见，我们就人为地提高它发生的概率。我们构造一个"灾难模拟器"（提议分布 (Q)），在这个模拟器里，地震、海啸等极端灾害发生的频率被大幅调高。 - 通过权重"拨乱反正"：
在模拟器里，你确实得到了很多大额赔付的样本，但这些样本是"虚高"的。所以，对于每一个模拟出的赔付金额，你都需要乘上一个重要性权重 (W)：
W = 真实世界发生的概率 P ( x ) 灾难模拟器中发生的概率 Q ( x ) W=\frac{\text{真实世界发生的概率\ }P(x)}{\text{灾难模拟器中发生的概率\ }Q(x)} W=灾难模拟器中发生的概率 Q(x)真实世界发生的概率 P(x)
- 最终目的：你用模拟器里频繁出现的样本 x x x，乘以这个微小的权重 W W W，就能在较少的尝试次数内，非常精确地估算出真实世界中那个极小概率的期望值。
• 你不是想要P的样本（因为 P的样本**大多是平庸的零星理赔，对估算极端风险没贡献）。
• 你想要的是对估算结果贡献最大的样本（即便它们在现实中很少见）。
• 重要性采样就是通过在"重要"的地方多采样，再通过权重还原，从而高效地完成期望值的估算。
case3：评估一个新的"短视频排序算法"
假设你是一名算法工程师，公司现在运行的是算法 A，你新开发了一个算法 B。你想知道：如果换成算法 B，用户每天的观看时长（期望值）会增加吗？
- 为什么不能直接计算？
你手头的数据全是算法 A 产生的。
• 算法 A 喜欢给用户推"新闻类"视频。
• 算法 B 倾向于给用户推"生活百科类"视频。
• 因为算法 A 很少推生活类视频，所以你的数据库里关于"用户看生活类视频会看多久"的记录非常稀疏。如果你直接用算法 A 的数据来估算算法 B 的效果，结果会产生极大的偏差，因为两个算法关注的视频类型（分布）完全不同。
-
引入重要性采样（权重修正）
我们不能直接把算法 A 的平均时长当作算法 B 的预测值，我们需要利用重要性采样进行"数据重加权"。
对于历史记录中的每一次推荐动作，我们计算一个重要性权重 W W W：
W = 算法 B 推荐这个视频的概率 P ( x ) 算法 A 推荐这个视频的概率 Q ( x ) W=\frac{\text{算法\ B\ 推荐这个视频的概率\ }P(x)}{\text{算法\ A\ 推荐这个视频的概率\ }Q(x)} W=算法 A 推荐这个视频的概率 Q(x)算法 B 推荐这个视频的概率 P(x)
• 情景 1： 如果某个视频算法 B 非常想推，但算法 A 以前很少推（ P P P 大 Q Q Q 小），那么这个视频产生的观看时长就非常重要，我们要给它加权（ W > 1 W>1 W>1），因为它代表了新算法的特性。
• 情景 2： 如果某个视频算法 A 经常推，但算法 B 没兴趣（ P P P 小 Q Q Q 大），那么这个数据对评估算法 B 贡献很小，我们要降低它的权重（ W < 1 W<1 W<1）。
case4：评估一个"新算法"的效果（gemini）
假设你现在手里有一个新算法 B，你想知道如果把它上线，用户的点击率（CTR）会是多少。
• 传统做法（A/B Test）：直接把 B 分给 1% 的用户。但这样做风险很高，如果 B 很烂，会直接损失收入。
• 理想做法（线下评估）：利用历史日志数据。日志里记录了老算法 A 推荐了什么，以及用户是否点击了。
• 核心矛盾：
• 老算法 A 喜欢推荐"热门电影"。
• 新算法 B 喜欢推荐"小众电影"。
• 如果你直接用 A 的日志来评估 B，你会发现 B 推荐的很多小众电影在日志里根本没出现过（因为 A 没推荐过）。这种由于采样策略不同导致的评估偏差，就是重要性采样的用武之地。
我们想计算新算法 B B B 的预期点击率 μ B \mu _{B} μB：
μ B = E x ∼ π B [ R e w a r d ( x ) ] \mu {B}=E{x\sim \pi _{B}}[Reward(x)] μB=Ex∼πB[Reward(x)]
但我们只有来自算法 π A \pi _{A} πA 的数据。于是我们利用重要性采样进行转换：
μ B = ∑ x ∈ Logs R e w a r d ( x ) ⋅ P ( 算法B推荐x ) P ( 算法A推荐x ) \mu _{B}=\sum _{x\in \text{Logs}}Reward(x)\cdot \frac{P(\text{算法B推荐x})}{P(\text{算法A推荐x})} μB=x∈Logs∑Reward(x)⋅P(算法A推荐x)P(算法B推荐x)
这里的权重 w = P B ( x ) P A ( x ) w=\frac{P_{B}(x)}{P_{A}(x)} w=PA(x)PB(x) 被称为 离线策略评估 (Off-Policy Evaluation, OPE) 的修正系数。
case5：正负样本不均衡
正负样本不均衡的时候，训练集会通过降采样的方式是的正负样本均衡，那么训练集的数据分布和真实的数据分布不就不一致了吗，但是我们依然可以训练出一个有用的模型，这不就是重要性采样的结果吗
离线策略（Off-policy）的逻辑：用一个"扭曲"过的分布去训练，目标却是为了在"真实"分布上表现良好。
1. 为什么"分布不一致"反而能训练出好模型？
在真实分布中，少数类（如欺诈交易、罕见病）的样本极其稀少。
• 如果不降采样：少数类在总损失函数（Loss）中的贡献微乎其微。模型为了追求整体准确率，会"偷懒"把所有样本都预测为多数类。这本质上是采样信号太弱，导致模型无法提取少数类的特征。
• 降采样之后：你人为提高了少数类在训练集中的出现频率。这迫使模型在更新参数时，必须认真对待少数类的特征，否则 Loss 就降不下来。
2. 这里的"重要性采样"体现在哪里？
当你通过降采样（或过采样）使样本均衡时，你实际上是把训练集从真实分布 P r e a l P_{real} Preal 转换到了 人工分布 P t r a i n P_{train} Ptrain。
如果要保证数学上的严格无偏，你在计算损失函数（更新权重）时，理论上应该引入重要性权重 \\rho ： ： ：\\rho =\\frac{P_{real}(x)}{P_{train}(x)} 对于被你大量删除的多数类样本， 对于被你大量删除的多数类样本， 对于被你大量删除的多数类样本，\\rho 应该很大（补偿它们被删掉的数量）。对于被你保留或重复的少数类样本，\\rho 应该很小。 但是，实际操作中我们往往"故意"不完全遵循这个比率。
3. 为什么我们可以"违背"重要性采样的严格比例？
在很多分类任务中，我们并不追求概率值的绝对准确（Calibration），而是追求分类边界（Decision Boundary）的准确。
• 修正偏差 vs 强化特征：严格的重要性采样是为了消除偏差（让模型预测的概率符合真实频率）。但在类别不平衡时，我们的首要矛盾是少数类特征学习不足。
• 有偏估计的价值：通过降采样但不完全按照 ρ \rho ρ还原权重，我们实际上是在做一个有偏估计。这个"偏见"是：我们宁愿模型对多数类有一点误判，也绝不能漏掉少数类。
4. 什么时候必须把"重要性采样"的影子找回来？
如果你的任务对概率预测的绝对值非常敏感（例如广告点击率预测 CTR，需要计算精确的 ROI），那么降采样后必须进行概率校准（Calibration）。
校准公式（对应逻辑回归）就是重要性采样的直接应用：
l o g i t 校准 = l o g i t 模型 + log ( 正样本下采样率 负样本下采样率 ) logit_{校准}=logit_{模型}+\log (\frac{\text{正样本下采样率}}{\text{负样本下采样率}}) logit校准=logit模型+log(负样本下采样率正样本下采样率)
这个修正项，就是为了补偿训练集和真实分布之间不一致的那个"影子"。
总结
• 分布改变的补偿：当对多数类进行降采样时，训练集中多数类的概率分布就被人为地改变了。如果直接在这个分布上训练，模型会低估多数类的真实重要性。这时，给降采样后的样本赋予权重（例如，降采样10倍，则权重设为10），正是在补偿这种分布差异。这个权重可以被理解为重要性权重 w ( x ) = p ( x ) / q ( x ) w(x)=p(x)/q(x) w(x)=p(x)/q(x)的一种实践，其中 p ( x ) p(x) p(x)是真实分布， q ( x ) q(x) q(x)是降采样后的分布。
• 目标的一致性：无论是重要性采样还是这里的降采样加权，最终目的都不是让模型学习"训练集分布"，而是希望模型能在"我们关心的分布"（通常是真实分布或均匀分布）上表现良好。通过加权，我们使得模型在训练时（基于 q ( x ) q(x) q(x)）的梯度更新或损失计算，与我们最终的评价目标（基于 p ( x ) p(x) p(x)）保持一致
case6: 正负样本不均衡（gemini）
在处理正负样本不均匀（类别不平衡）问题时，重要性采样（Importance Sampling, IS）确实是核心的底层逻辑之一，但其表现形式通常被称为重采样（Resampling）或代价敏感学习（Cost-Sensitive Learning)。
1. 逻辑转化：从"采样"到"权重"
处理样本不均匀时，我们通常面临两个分布：
• 训练集分布（ b b b）：负样本极多，正样本极少（例如 99:1）。
• 理想测试分布（\\pi ）：我们希望模型在正负类别上表现同样出色（例如 50:50）。
为了让模型在分布 b b b 上训练，却能达到分布 \\pi 的效果，我们需要引入重要性权重 \\rho 。
2. 两种具体的应用形态
A. 过采样/欠采样（采样层面）
这是 IS 的随机实现版本。
• 当你对少数类进行过采样（Over-sampling）或对多数类进行欠采样（Under-sampling）时，你实际上是在手动构造一个新的采样分布。
• 这种做法通过改变样本出现的频率，隐式地实现了重要性比率的调整。
B. 代价敏感损失（更新层面）
这是 IS 的数学修正版本，在神经网络中更为常用。
• 操作：在计算损失函数时，给少数类样本乘以一个大的权重 w p o s w_{pos} wpos，给多数类样本乘以一个小的权重 w n e g w_{neg} wneg。
• 数学本质：这个权重 w w w 对应于重要性比率 ρ = P t a r g e t P o b s e r v e d \rho =\frac{P_{target}}{P_{observed}} ρ=PobservedPtarget。
效果：这使得在反向传播更新参数时，少数类的一个样本产生的梯度会被放大，从而在权值更新中占据更重要的地位，这与强化学习中使用 ρ \rho ρ修正策略偏差的逻辑完全一致。
任何通过加权损失函数（Weighted Loss）或有偏采样来处理不平衡数据的手段，本质上都是重要性采样思想的实践
case7: AdaBoost算法
在 AdaBoost 中，重要性采样（Importance Sampling）的思想同样是其核心基石，但它的应用方式比简单的降采样更具动态性和进化性。
1. 动态的"行为策略"：样本权重的本质
在强化学习中，行为策略 b b b 通常是固定的或缓慢变化的。而在 AdaBoost 中，每一轮迭代都在产生一个新的"行为分布"：
• 训练过程：AdaBoost 并不直接改变原始数据集，而是给每个样本分配一个权重 w i w_{i} wi。
• IS 视角：这个权重 w i w_{i} wi 本质上就是重要性权重。它定义了一个新的概率分布 D t D_{t} Dt。当算法进入下一轮时，弱学习器是在分布 D t D_{t} Dt 上进行优化的，而不是在原始的均匀分布上。
• 为什么要变？：算法故意调高那些"被前一个模型分类错误"的样本权重。从重要性采样的角度看，这是为了强迫模型去采样那些当前最具有"信息量"的样本。
2. 重采样（Resampling） vs. 重加权（Reweighting）
AdaBoost 的实现有两种方式，其中一种直接就是重要性采样的标准流程：
• 重加权（Reweighting）：直接把权重 ** w i w_i wi丢进损失函数里。这等同于在更新模型时，通过权重来修正不同样本对梯度的贡献，这正是我们在离线策略（Off-policy）更新中看到的操作。
• 重采样（Resampling）：如果弱学习器（比如某些简单的决策树实现）无法处理样本权重，AdaBoost 会根据权重分布 D t D_t Dt对原始数据进行有放回的随机采样。
• 权重大的样本（难题）会被多次抽到。
• 权重小的样本（易题）可能不被抽到。
• 结论：这个过程就是标准的重要性采样实现------通过改变采样频率，将一个分布下的问题转化为另一个分布下的训练任务。
理论层面的联系：IS 视角下的 AdaBoost
从统计学角度看，AdaBoost 的成功可以用重要性采样视角来解释：
• 本质是寻找"困难样本"：AdaBoost 每一轮都在调整样本权重。从 IS 的视角看，它是在不断构造一个新的"建议分布"，这个分布将注意力集中在模型表现最差的区域（即重要性更高的区域）。
• 权重的数学意义：AdaBoost 的样本权重 w i w_i wi 可以被视为目标分布（我们希望模型掌握的分布）与当前模型已掌握分布之间的重要性比率（Importance Ratio）。通过不断增加错题的权重，算法强制后续的学习器去"采样"并解决这些高难度的案例。
总结：AdaBoost 是"自动化的、多轮次"的重要性采样
• 离线策略 RL：是为了修正"前人的数据"和"我的目标"之间的差异（一次修正）。
• 正负样本不平衡：是为了修正"稀缺性导致的信号不足"（一次修正）。
• AdaBoost：是主动创造分布差异。它不断地制造不平衡（提高错题权重），利用重要性采样的机制强迫模型学习，最后再通过数学手段（加权求和）把这些差异抵消掉，还原出一个强大的分类器。
工程陷阱
1. 陷阱一：权重爆炸（Variance Explosion）
• 数学公式： W = P ( x ) Q ( x ) W=\frac{P(x)}{Q(x)} W=Q(x)P(x)。
• 问题所在： 如果在某个点 x x x 上，目标分布 P ( x ) P(x) P(x) 还有一点值，但你的提议分布 Q ( x ) Q(x) Q(x) 非常小（接近 0），那么 W W W 就会变得无穷大。
• 后果： 在推荐系统或金融模拟中，这意味着只要有一个样本的权重极高，它就会瞬间"绑架"整个计算结果。你会发现估算出的期望值波动剧烈，今天算出来是 10，明天可能就是 10000。
2. 陷阱二：维数灾难（Curse of Dimensionality）
在简单例子里（如身高、离线评估），变量维度很低。但在复杂的物理模拟或高维深度学习中：
• 如果 x x x 有 100 个维度，每个维度上 P P P 和 Q Q Q 只有一点点微小的差异，这 100 个微小差异相乘之后，权重 W W W 会变得极其不稳定。
• 结果： 绝大多数样本的权重都会趋近于 0，只有极个别样本权重巨大。这意味着你采样了半天，其实只有一两个样本在起作用，这会导致巨大的统计误差。
3. 陷阱三：提议分布 Q Q Q 极难设计
虽然理论上你可以随便选 Q Q Q，但选得不好，不如不选。
• 如果 Q Q Q 的形状和 P × f ( x ) P\times f(x) P×f(x)（目标函数）的形状差得太远，重要性采样的效率反而比普通的蒙特卡洛模拟还要低得多。
提议分布选择标准
1. 生死线：数学上的"覆盖"要求 (Support Condition)
这是最基本的前提：凡是原分布 p ( x ) p(x) p(x) 中可能出现的点（概率不为0的点），在 q ( x ) q(x) q(x) 中也必须可能出现。
• 规则：如果对于某个 x x x，有 p ( x ) > 0 p(x)>0 p(x)>0，那么必须满足 q ( x ) > 0 q(x)>0 q(x)>0。
• 后果：如果 q ( x ) q(x) q(x) 在某些 p ( x ) p(x) p(x) 有值的区域为 0，那么这些区域的样本永远不会被采到，你的期望估计就会产生不可弥补的偏差（偏低）。
2. 效率线：方差控制 (Variance Reduction)
虽然满足了第一条就能得到理论上的无偏估计，但如果 q ( x ) q(x) q(x) 选得差，方差会爆炸，导致你需要海量样本才能得到稳定的结果。
• 权重爆炸风险：记住权重是 w ( x ) = p ( x ) q ( x ) w(x)=\frac{p(x)}{q(x)} w(x)=q(x)p(x)。如果你选的 q ( x ) q(x) q(x) 在某个 p ( x ) p(x) p(x) 很大的地方非常小，那么 w ( x ) w(x) w(x) 就会变得极大。单一个巨大的权重样本就会瞬间"带偏"整个平均值，导致结果剧烈波动。
• 最佳实践： q ( x ) q(x) q(x) 的"尾部"应该比 p ( x ) p(x) p(x) 更厚。也就是说， q ( x ) q(x) q(x) 覆盖的范围最好比 p ( x ) p(x) p(x) 更广，而不是更窄。
3. 天花板：什么是"完美"的 q ( x ) q(x) q(x)
理论上存在一个最优分布 q ∗ ( x ) q^{*}(x) q∗(x)，能让估计值的方差降为 0（即采一次样就能得到精确结果）：
• 理想分布： q ( x ) ∝ ∣ f ( x ) ∣ p ( x ) q(x)\propto |f(x)|p(x) q(x)∝∣f(x)∣p(x)。
• 直白解释：你应该在"对结果贡献最大"的地方多采样。这个贡献由两部分决定：该点的发生概率 p ( x ) p(x) p(x) 和该点的函数值 f ( x ) f(x) f(x)。
• 现实困境：我们通常不知道这个分布的积分（因为这正是我们要算的目标），所以只能尽量寻找一个形状与之接近的 q ( x ) q(x) q(x)。