备战数学建模14-熵权法确定指标权重系数

一、熵权法理论学习

1-熵权法简介

2-熵权法的基本思路

二、应用例题分析

1-综合成绩评价例题

2-数据归一化代码

3-计算pij代码

4-计算信息熵代码

5-计算指标权重及综合得分代码

6-程序全部代码

7-绘制的图形

三、熵权法总结

一、熵权法理论学习

1-熵权法简介

层次分析确定的权重比较主观，可以使用变异系数法和熵权法，本次主要介绍熵权法。熵权法一般就几步，分别为归一化，计算指标变异性，计算信息熵，求权重。

2-熵权法的基本思路

基本思路如下：其中：归一化是把计量单位进行统一，有固定的归一化公式。

其中数据归一化具体如下所示：

计算指标变异性具体如下所示：

计算信息熵，如下所示：

计算信息熵冗余度，具体如下：

计算出各项指标的权重，如下所示：

计算综合得分，具体如下所示：

二、应用例题分析

1-综合成绩评价例题

应用熵权法分配各项指标的权重，并根据权重计算得分，进而进行成绩排名。

2-数据归一化代码

%指标归一化处理
z = zeros(7, 1) ;
for i = 1 : m if ind(i) == 1 %正向指标归一化for j = 1 : 7z(j,1) = 0.998 * ((x(j,i) - min(x(:,i))) / (max(x(:,i)) - min(x(:,i)))) + 0.002 ;endX(:,i) = z ;else %负向指标归一化for j = 1 : 7z(j,1) = 0.998 * (max(x(:,i)) - (x(j,i)) / (max(x(:,i)) - min(x(:,i)))) + 0.002 ;endX(:,i) = z ;end
end
disp('正向化矩阵如下所示：') ;
disp(X) ;

得到归一化后的矩阵如下所示：

3-计算pij代码

%计算第j个指标下第i个样本占该指标的比重pij
for i = 1 : nfor j = 1 : m p(i,j) = X(i,j) / sum(X(:,j)) ;end
end
disp('冗余度如下：') ;
disp(p) ;

4-计算信息熵代码

%计算第j个指标的信息熵
k = 1 / log(n) ;
for j = 1 : m e(j) = -k * sum(p(:,j) .* log(p(:,j))) ;
end
disp('每个指标的信息熵如下：')
disp(e) ;

5-计算指标权重及综合得分代码


d = ones(1, m) - e ; % 计算信息熵冗余度
w = d ./ sum(d) ; %计算权重
disp('每个指标的权重如下：') ;
disp(w) ;
s = X * w' ; %计算综合得分
disp('每个同学的综合得分如下：') ;
disp(s) ;

6-程序全部代码

clear; clc
x = [80    90  90  70  90  90
60  90  100 70  90  80
70  100 90  80  70  70
90  70  80  100 80  80
100 100 80  70  90  60
100 70  70  90  80  80
90  100 90  70  100 80
] ;
ind = ones(size(x,2), 1) ; %正向化指标初始化为1，负向化指标初始化为2
[n, m] = size(x) ; %n个样本，m个指标%指标归一化处理
z = zeros(7, 1) ;
for i = 1 : m if ind(i) == 1 %正向指标归一化for j = 1 : 7z(j,1) = 0.998 * ((x(j,i) - min(x(:,i))) / (max(x(:,i)) - min(x(:,i)))) + 0.002 ;endX(:,i) = z ;else %负向指标归一化for j = 1 : 7z(j,1) = 0.998 * (max(x(:,i)) - (x(j,i)) / (max(x(:,i)) - min(x(:,i)))) + 0.002 ;endX(:,i) = z ;end
end
disp('正向化矩阵如下所示：') ;
disp(X) ;%计算第j个指标下第i个样本占该指标的比重pij
for i = 1 : nfor j = 1 : m p(i,j) = X(i,j) / sum(X(:,j)) ;end
end
disp('冗余度如下：') ;
disp(p) ;%计算第j个指标的信息熵
k = 1 / log(n) ;
for j = 1 : m e(j) = -k * sum(p(:,j) .* log(p(:,j))) ;
end
disp('每个指标的信息熵如下：')
disp(e) ;d = ones(1, m) - e ; % 计算信息熵冗余度
w = d ./ sum(d) ; %计算权重
disp('每个指标的权重如下：') ;
disp(w) ;
s = X * w' ; %计算综合得分
disp('每个同学的综合得分如下：') ;
disp(s) ;plot(1:7, s) ; %画图看看

7-绘制的图形

三、熵权法总结

下面总结了熵权法确定权重系数的优缺点，具体如下所示：

备战数学建模14-熵权法确定指标权重系数相关推荐

Python小案例（六）通过熵权法计算指标权重
Python小案例(六)通过熵权法计算指标权重在日常业务中,产品运营需要综合多个指标进行判断,如果没有目标变量进行监督训练的话,很难人为地判断哪个指标更好,综合起来哪个类别更优秀. 这里介绍一种基于 ...
利用熵权法确定指标权重
利用熵权法确定指标权重 1. 熵权法的基本原理熵权法的基本思路是根据指标变异性的大小来确定客观权重. 一般来说,若某个指标的信息熵越小,表明指标值得变异程度越大,提供的信息量越多,在综合评价中所能起 ...
数学建模系列---熵权法
目录一.简介二.说明 1.正向指标: 2.信息量 3.信息熵三.具体计算步骤 1.标准化矩阵 1.1该步骤的意义 1.2标准化的2种方法 2.计算各元素概率 3.计算各指标的权重 3.1计算每个 ...
数学建模之熵权法（EWM）matlab实例实现
本文参考http://blog.sina.com.cn/s/blog_710e9b550101aqnv.html 熵权法是一种客观赋值的方法,即它通过数据所包含的信息量来确定权重,形象的说如果每个人考 ...
数学建模笔记-熵权法确定评价类问题指标的权重清风课程笔记整理
评价类问题: 1.层次分析法入门学习: https://blog.csdn.net/weixin_47066458/article/details/113177117 2.Topsisi入门学习: h ...
评价方法-熵权法确定指标权重
评价方法根据确定权重的方法,大体上可分为主观赋权,客观赋权:主观赋权依赖于"专家"的权重或较多独立个体的评判偏好,如层次分析法,功效系数法,模糊综合评价法,综合指数法:客观赋权法根 ...
【综合评价方法熵权法】指标权重确定方法之熵权法
参考链接:http://blog.sina.com.cn/s/blog_710e9b550101aqnv.html 实战例子: 某医院为了提高自身的护理水平,对拥有的11个科室进行了考核,考核标准包括 ...
熵权法、主客观权重及matlab应用
1.熵权法确定客观权重熵学理论最早产生于物理学家对热力学的研究,熵的概念最初描述的是一种单项流动.不可逆转的能量传递过程,随着思想和理论的不断深化和发展,后来逐步形成了热力学熵.统计熵.信息熵三种思 ...
df满足条件的值修改_如何用python实现熵值法求指标权重(实例)
权重是指某一因素或指标相对于某一事物的重要程度,其不同于一般的比重,体现的不仅仅是某一因素或指标所占的百分比,强调的是因素或指标的相对重要程度,倾向于贡献度或重要性.而在我们的数据分析过程中,倘若各个 ...
建模笔记——熵权法(Python实现)
一.模型介绍熵权法是一种通过对已知数据的处理,从而获得影响因子权重的方法,其基本思路是根据指标变异性的大小来确定客观权重. 熵权法的优点在于其根据各项指标指标值的变异程度来确定指标权数的,是一种客观 ...

备战数学建模14-熵权法确定指标权重系数

一、熵权法理论学习

1-熵权法简介

2-熵权法的基本思路

二、应用例题分析

1-综合成绩评价例题

2-数据归一化代码

3-计算pij代码

4-计算信息熵代码

5-计算指标权重及综合得分代码

6-程序全部代码

7-绘制的图形

三、熵权法总结

备战数学建模14-熵权法确定指标权重系数相关推荐

最新文章

热门文章