连乘符号 Π

数学中表示"把一系列数乘起来"的缩写符号。与 Σ(累加)对应,Π 是累乘。AI 中的似然函数就是对所有样本概率做连乘,取对数后转为 Σ 求和。

核心公式

📖 符号说明

符号含义说明取值范围
循环变量(下标)从起始值递增到终止值整数
连乘上界循环终止值正整数
第 i 项每次循环要累乘的表达式任意实数

一句话理解

Π 就是一个 for 循环累乘——从某个起点乘到某个终点。

公式

i=1Nxi=x1×x2××xN\prod_{i=1}^{N} x_i = x_1 \times x_2 \times \cdots \times x_Ni=1Nxi=x1×x2××xN

各部分含义

位置写法含义
下方i=1i=1i=1循环变量从 1 开始
上方NNN循环到 N 结束
右侧xix_ixi每次循环要乘的东西

在 AI 中的核心应用:似然函数

假设有 N 个独立样本,每个样本被正确预测的概率为 pip_ipi,则所有样本都预测正确的概率(似然)为:

L=i=1Npi\mathcal{L} = \prod_{i=1}^{N} p_iL=i=1Npi

问题:连乘 N 个小于 1 的数,结果会指数级趋近于 0,造成浮点下溢。

解决方案:取对数,把连乘变成求和:

logL=i=1Nlogpi\log \mathcal{L} = \sum_{i=1}^{N} \log p_ilogL=i=1Nlogpi

这就是对数似然,也是交叉熵损失函数的数学来源。

TIP

Π 转 Σ 的对数技巧 这个技巧在 AI 中无处不在:

  • 似然 → 对数似然
  • 联合概率 → 对数概率之和
  • 概率连乘 → log-prob 累加

本质都是利用 log(a×b)=loga+logb\log(a \times b) = \log a + \log blog(a×b)=loga+logb

与 Σ 的对比

Σ(求和)Π(连乘)
含义加起来乘起来
代码sum()math.prod()
AI 场景损失函数、期望似然函数、联合概率
数值问题一般无连乘导致下溢
解决方案取 log 转为 Σ

引用本概念的文章