Python灰色关联度
设系统行为序列
X0=(x0(1),x0(2),⋯,x0(n))X1=(x1(1),x1(2),⋯,x1(n))⋯⋯Xi=(xi(1),xi(2),⋯,xi(n))⋯⋯Xm=(xm(1),xm(2),⋯,xm(n))X_0 = (x_0(1),x_0(2),\cdots,x_0(n))\\ X_1 = (x_1(1),x_1(2),\cdots,x_1(n))\\ \cdots \cdots \\ X_i = (x_i(1),x_i(2),\cdots,x_i(n))\\ \cdots \cdots \\ X_m = (x_m(1),x_m(2),\cdots,x_m(n))\\ X0=(x0(1),x0(2),⋯,x0(n))X1=(x1(1),x1(2),⋯,x1(n))⋯⋯Xi=(xi(1),xi(2),⋯,xi(n))⋯⋯Xm=(xm(1),xm(2),⋯,xm(n))
对于ξ∈(0,1)\xi\in(0,1)ξ∈(0,1), 令
γ(x0(k),xi(k))=minimaxk∣x0(k)−xi(k)∣+ξminimaxk∣x0(k)−xi(k)∣∣x0(k)−xi(k)∣+ξminimaxk∣x0(k)−xi(k)∣γ(X0,Xi)=1n∑k=1nγ(x0(k),xi(k))\gamma(x_0(k),x_i(k))=\frac{\min_{i}\max_k|x_{0}(k)-x_i(k)|+\xi\min_{i}\max_k|x_{0}(k)-x_i(k)|}{|x_0(k)-x_i(k)|+\xi\min_{i}\max_k|x_{0}(k)-x_i(k)|} \\ \gamma(X_0,X_i)=\frac{1}{n}\sum_{k=1}^n\gamma(x_0(k),x_i(k)) γ(x0(k),xi(k))=∣x0(k)−xi(k)∣+ξminimaxk∣x0(k)−xi(k)∣minimaxk∣x0(k)−xi(k)∣+ξminimaxk∣x0(k)−xi(k)∣γ(X0,Xi)=n1k=1∑nγ(x0(k),xi(k))
则γ(X0,Xi)\gamma(X_0,X_i)γ(X0,Xi)满足灰色关联公理, 其中ξ\xiξ称为分辨系数. γ(X0,Xi)\gamma(X_0,X_i)γ(X0,Xi)称为X0X_0X0与XiX_iXi的灰色关联度(邓聚龙, 1985)
灰色关联度 γ(X0,Xi)\gamma\left(X_{0}, X_{i}\right)γ(X0,Xi) 常简记为 γ0i,k\gamma_{0 i}, kγ0i,k 点关联系数 γ(x0(k),xi(k))\gamma\left(x_{0}(k), x_{i}(k)\right)γ(x0(k),xi(k)) 简记为 γ0i(k).\gamma_{0 i}(k) .γ0i(k).
灰色关联度的计算步骤如下.
第一步: 求各序列的初值象 (或均值象). 令
Xi′=Xixi(1)=(xi′(1),xi′(2),⋯,xi′(n)),i=0,1,2,⋯,mX_{i}^{\prime}=\frac{X_{i}}{x_{i}(1)}=\left(x_{i}^{\prime}(1), x_{i}^{\prime}(2), \cdots, x_{i}^{\prime}(n)\right), \quad i=0,1,2, \cdots, m Xi′=xi(1)Xi=(xi′(1),xi′(2),⋯,xi′(n)),i=0,1,2,⋯,m
第二步: 求 X0X_{0}X0 与 XiX_{i}Xi 的初值象 ((( 或均值象) 对应分量之差的绝对值序列. 记
Δi(k)=∣x0′(k)−xi′(k)∣,Δi=(Δi(1),Δi(2),⋯,Δi(n)),i=1,2,⋯,m\Delta_{i}(k)=\left|x_{0}^{\prime}(k)-x_{i}^{\prime}(k)\right|, \quad \Delta_{i}=\left(\Delta_{i}(1), \Delta_{i}(2), \cdots, \Delta_{i}(n)\right), \quad i=1,2, \cdots, m Δi(k)=∣x0′(k)−xi′(k)∣,Δi=(Δi(1),Δi(2),⋯,Δi(n)),i=1,2,⋯,m
第三步: 求 Δi(k)=∣x0′(k)−xi′(k)∣,k=1,2,⋯,n;i=1,2,⋯,m\Delta_{i}(k)=\left|x_{0}^{\prime}(k)-x_{i}^{\prime}(k)\right|, k=1,2, \cdots, n ; i=1,2, \cdots, mΔi(k)=∣x0′(k)−xi′(k)∣,k=1,2,⋯,n;i=1,2,⋯,m 的最大值与最小值.
记为
M=maximaxkΔi(k),m=miniminkΔi(k)M=\max _{i} \max _{k} \Delta_{i}(k), \quad m=\min _{i} \min _{k} \Delta_{i}(k) M=imaxkmaxΔi(k),m=iminkminΔi(k)
第四步: 计算关联系数
γ0i(k)=m+ξMΔi(k)+ξM,ξ∈(0,1),k=1,2,⋯,n;i=1,2,⋯,m\gamma_{0 i}(k)=\frac{m+\xi M}{\Delta_{i}(k)+\xi M}, \quad \xi \in(0,1), \quad k=1,2, \cdots, n ; \quad i=1,2, \cdots, m γ0i(k)=Δi(k)+ξMm+ξM,ξ∈(0,1),k=1,2,⋯,n;i=1,2,⋯,m
第五步: 求出关联系数的平均值即所要的关联度
γ0i=1n∑k=1nγ0i(k),i=1,2,⋯,m\gamma_{0 i}=\frac{1}{n} \sum_{k=1}^{n} \gamma_{0 i}(k), \quad i=1,2, \cdots, m γ0i=n1k=1∑nγ0i(k),i=1,2,⋯,m
- 举个例子
2001−20052001-20052001−2005 年, 我国 GDP\mathrm{GDP}GDP 以及第一产业、第二产业、第三产业增加值数(单
位: 千亿元) 分别如下:
GDP 为
X1=(x1(1),x1(2),x1(3),x1(4),x1(5))=(109.7,120.3,135.8,159.9,183.1)X_{1}=\left(x_{1}(1), x_{1}(2), x_{1}(3), x_{1}(4), x_{1}(5)\right)=(109.7,120.3,135.8,159.9,183.1) X1=(x1(1),x1(2),x1(3),x1(4),x1(5))=(109.7,120.3,135.8,159.9,183.1)
第一产业增加值为
X2=(x2(1),x2(2),x2(3),x2(4),x2(5))=(15.5,16.2,17.1,21.0,23.1)X_{2}=\left(x_{2}(1), x_{2}(2), x_{2}(3), x_{2}(4), x_{2}(5)\right)=(15.5,16.2,17.1,21.0,23.1) X2=(x2(1),x2(2),x2(3),x2(4),x2(5))=(15.5,16.2,17.1,21.0,23.1)
第二产业增加值为
X3=(x3(1),x3(2),x3(3),x3(4),x3(5))=(49.5,53.9,62.4,73.9,87.0)X_{3}=\left(x_{3}(1), x_{3}(2), x_{3}(3), x_{3}(4), x_{3}(5)\right)=(49.5,53.9,62.4,73.9,87.0) X3=(x3(1),x3(2),x3(3),x3(4),x3(5))=(49.5,53.9,62.4,73.9,87.0)
第三产业增加值为
X4=(x4(1),x4(2),x4(3),x4(4),x4(5))=(44.6,50.2,56.3,65.0,73.0)X_{4}=\left(x_{4}(1), x_{4}(2), x_{4}(3), x_{4}(4), x_{4}(5)\right)=(44.6,50.2,56.3,65.0,73.0) X4=(x4(1),x4(2),x4(3),x4(4),x4(5))=(44.6,50.2,56.3,65.0,73.0)
资料来源: 2006 中国统计年鉴.
以 GDP\mathrm{GDP}GDP 为系统行为特征序列, 计算 X2,X3,X4X_{2}, X_{3}, X_{4}X2,X3,X4 与 X1X_{1}X1 的灰色关联度. 解 以 X1X_{1}X1 为系统行为特征序列计算关联度.
第一步: 求初值象. 由 Xi′=Xixi(1)=(xi′(1),xi′(2),xi′(3),xi′(4),xi′(5)),i=1,2,3,4,X_{i}^{\prime}=\frac{X_{i}}{x_{i}(1)}=\left(x_{i}^{\prime}(1), x_{i}^{\prime}(2), x_{i}^{\prime}(3), x_{i}^{\prime}(4), x_{i}^{\prime}(5)\right), i=1,2,3,4,Xi′=xi(1)Xi=(xi′(1),xi′(2),xi′(3),xi′(4),xi′(5)),i=1,2,3,4, 得
X1′=(1,1.0966,1.2379,1.4576,1.6691)X2′=(1,1.0452,1.1032,1.3548,1.4903)X3′=(1,1.0889,1.2606,1.4929,1.7576)X4′=(1,1.1256,1.2623,1.4574,1.6368)\begin{aligned} X_{1}^{\prime} &=(1,1.0966,1.2379,1.4576,1.6691) \\ X_{2}^{\prime} &=(1,1.0452,1.1032,1.3548,1.4903) \\ X_{3}^{\prime} &=(1,1.0889,1.2606,1.4929,1.7576) \\ X_{4}^{\prime} &=(1,1.1256,1.2623,1.4574,1.6368) \end{aligned} X1′X2′X3′X4′=(1,1.0966,1.2379,1.4576,1.6691)=(1,1.0452,1.1032,1.3548,1.4903)=(1,1.0889,1.2606,1.4929,1.7576)=(1,1.1256,1.2623,1.4574,1.6368)
第二步: x2,X3,X4x_{2}, X_{3}, X_{4}x2,X3,X4 与 X1X_{1}X1 初值象对应分量之差的绝对值序列. 由 Δi(k)=\Delta_{i}(k)=Δi(k)= ∣x1′(k)−xi′(k)∣,i=2,3,4,\left|x_{1}^{\prime}(k)-x_{i}^{\prime}(k)\right|, i=2,3,4,∣x1′(k)−xi′(k)∣,i=2,3,4, 得
Δ2=(0,0.0515,0.1347,0.1028,0.1788)Δ3=(0,0.0077,0.0227,0.0353,0.0885)Δ4=(0,0.0289,0.0244,0.0002,0.0323)\begin{array}{l} \Delta_{2}=(0,0.0515,0.1347,0.1028,0.1788) \\ \Delta_{3}=(0,0.0077,0.0227,0.0353,0.0885) \\ \Delta_{4}=(0,0.0289,0.0244,0.0002,0.0323) \end{array} Δ2=(0,0.0515,0.1347,0.1028,0.1788)Δ3=(0,0.0077,0.0227,0.0353,0.0885)Δ4=(0,0.0289,0.0244,0.0002,0.0323)
第三步: 求 Δi(k)=∣x1′(k)−xi′(k)∣,i=2,3,4;k=1,2,3,4,5\Delta_{i}(k)=\left|x_{1}^{\prime}(k)-x_{i}^{\prime}(k)\right|, i=2,3,4 ; k=1,2,3,4,5Δi(k)=∣x1′(k)−xi′(k)∣,i=2,3,4;k=1,2,3,4,5 的最大值与最小值.
M=maximaxkΔi(k)=0.1788m=miniminkΔi(k)=0\begin{array}{c} M=\max _{i} \max _{k} \Delta_{i}(k)=0.1788 \\ m=\min _{i} \min _{k} \Delta_{i}(k)=0 \end{array} M=maximaxkΔi(k)=0.1788m=miniminkΔi(k)=0
第四步: 求关联系数. 取 ξ=0.5,\xi=0.5,ξ=0.5, 有
γ1i(k)=m+ξMΔi(k)+ξM=0.0894Δi(k)+0.0894,i=2,3,4;k=1,2,3,4,5\gamma_{1 i}(k)=\frac{m+\xi M}{\Delta_{i}(k)+\xi M}=\frac{0.0894}{\Delta_{i}(k)+0.0894}, \quad i=2,3,4 ; \quad k=1,2,3,4,5 γ1i(k)=Δi(k)+ξMm+ξM=Δi(k)+0.08940.0894,i=2,3,4;k=1,2,3,4,5
从而
r12(1)=1,r12(2)=0.6346,r12(3)=0.3989,r12(4)=0.4652,r12(5)=0.3333r13(1)=1,r13(2)=0.9203,r13(3)=0.7976,r13(4)=0.7168,r13(5)=0.5026r14(1)=1,r14(2)=0.7555,r14(3)=0.7855,r14(4)=0.9976,r14(5)=0.7344\begin{array}{llll} r_{12}(1)=1, & r_{12}(2)=0.6346, & r_{12}(3)=0.3989, & r_{12}(4)=0.4652, & r_{12}(5)=0.3333 \\ r_{13}(1)=1, & r_{13}(2)=0.9203, & r_{13}(3)=0.7976, & r_{13}(4)=0.7168, & r_{13}(5)=0.5026 \\ r_{14}(1)=1, & r_{14}(2)=0.7555, & r_{14}(3)=0.7855, & r_{14}(4)=0.9976, & r_{14}(5)=0.7344 \end{array} r12(1)=1,r13(1)=1,r14(1)=1,r12(2)=0.6346,r13(2)=0.9203,r14(2)=0.7555,r12(3)=0.3989,r13(3)=0.7976,r14(3)=0.7855,r12(4)=0.4652,r13(4)=0.7168,r14(4)=0.9976,r12(5)=0.3333r13(5)=0.5026r14(5)=0.7344
第五步: 计算灰色关联度
γ12=15∑k=15γ12(k)=0.5664γ13=15∑k=15γ13(k)=0.7875γ14=15∑k=15γ14(k)=0.8546\begin{array}{l} \gamma_{12}=\frac{1}{5} \sum_{k=1}^{5} \gamma_{12}(k)=0.5664 \\ \gamma_{13}=\frac{1}{5} \sum_{k=1}^{5} \gamma_{13}(k)=0.7875 \\ \gamma_{14}=\frac{1}{5} \sum_{k=1}^{5} \gamma_{14}(k)=0.8546 \end{array} γ12=51∑k=15γ12(k)=0.5664γ13=51∑k=15γ13(k)=0.7875γ14=51∑k=15γ14(k)=0.8546
因此, 第三产业与GDP关联度最大, 第二产业关联度次之, 第一产业关联度最小. - 代码实现
import numpy as npX1 = [109.7, 120.3, 135.8, 159.9, 183.1]
X2 = [15.5, 16.2, 17.1, 21.0, 23.1]
X3 = [49.5, 53.9, 62.4, 73.9, 87.0]
X4 = [44.6, 50.2, 56.3 ,65.0, 73.0]def initialize(x):d = []for i in range(len(x)):d.append(round(x[i]/x[0],4))return ddef minus(X,x):d = []for i in range(len(X)):d.append(round(abs(X[i]-x[i]),4))return dX11 = initialize(X1)
X22 = initialize(X2)
delta2 = minus(X11,X22)
X33 = initialize(X3)
delta3 = minus(X11,X33)
X44 = initialize(X4)
delta4 = minus(X11,X44)M = max(delta2 + delta3 + delta4)
m = min(delta2 + delta3 + delta4)ksi = 0.5
gamma2 = (m + ksi*M)/(np.array(delta2) + ksi*M)
gamma3 = (m + ksi*M)/(np.array(delta3) + ksi*M)
gamma4 = (m + ksi*M)/(np.array(delta4) + ksi*M)np.mean(gamma2)
>>> 0.5664692086702057
np.mean(gamma3)
>>> 0.787530531907082
np.mean(gamma4)
>>> 0.8546034878054456
代码结果与手动计算结果一致
Python灰色关联度相关推荐
- Python 灰色关联度分析 与结果可视化
前言 1.Python 灰色关联度分析 采用一个示例,简单分析一下. 灰色关联度分析是 度量两条曲线的形态和走势是否相近 本文是在前文的基础上,进行结果可视化展示. 程序 读数据 import pan ...
- python灰色关联度分析_灰色关联分析法 python
广告关闭 腾讯云11.11云上盛惠 ,精选热门产品助力上云,云服务器首年88元起,买的越多返的越多,最高返5000元! 本文2290字,预计阅读需10分钟: 关联分析(association anal ...
- python灰色关联度分析代码_灰色关联分析法步骤 - osc_uwnmtz9n的个人空间 - OSCHINA - 中文开源技术交流社区...
https://wenku.baidu.com/view/dc356290af1ffc4fff47ac0d.html?rec_flag=default&sxts=1538121950212 利 ...
- Python 灰色关联度分析
前言 关联度:对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度,对于两个系统之间的因素,其随时间或不同对象而变化的关联性大小的量度. 灰色关联度分析(Grey Relation An ...
- Python综合评价模型(二)灰色关联度法
文章目录 第一步 导入第三方库和案例数据 第二步 标准化数据 第三步 确定参考数列 第四步 计算指标数列与参考数列的差(绝对值) 第五步 计算灰色关联系数 第六步 计算灰色关联度 方式1 求灰色关联系 ...
- 灰色关联度Python实现
灰色系统理论[1]在各个领域中有着重要的应用.灰色关联[1]是灰色系统模型中高效的建模工具,下面我们将使用Python来实现灰色关联度.虽然已经有很多灰色关联的实现代码,在这个代码中,我们不使用循环语 ...
- 灰色关联度分析(python)
灰色关联度分析代码python import pandas as pd x=pd.read_csv('data4.csv') x=x.iloc[:,:].T# 1.数据均值化处理 x_mean=x.m ...
- python做灰色关联度分析_python实现灰色关联
灰色关联分析(Grey Relational Analysis, GRA) 通常可以运用此方法来分析各个因素对于结果的影响程度,也可以运用此方法解决随时间变化的综合评价类问题,其核心是按照一定规则确立 ...
- GRA灰色关联度分析学习 附python代码
主要学习了这位大佬的文章,讲的也很通俗易懂了 以下的示例以及一些图片也是从大佬那边抄过来的,主要记录一下自己的学习感受. 灰色关联度分析,听名字很高大上,实际上就是算关联度的一个方法.就是想看看某几个 ...
最新文章
- 公司-弹出页回调之后加载页面
- 一章: CentOS6.5 网络配置、修改主机名、添加硬盘、压缩——解压方法、VNC—server配置
- 计算机组网技术与配置 pdf,教案计算机组网技术.pdf
- 数据结构与算法 / 二叉搜索树(Binary Search Tree)
- 14条Yahoo(雅虎)十四条优化原则【转】
- 深入理解 JVM Class文件格式(八)
- gradle maven_将工件从Gradle自动提升到Maven Central
- macbook视频格式转换_AnyMP4简易视频格式转换器 for mac | MAC之家
- Python爬虫系列(一)——手把手教你写Python爬虫
- ACMer值得看的博客
- 超高频RFID通道门禁 仓储物流收发货系统应用
- 一个优秀程序员可抵五个普通程序员!
- 无线认证web认证服务器,wifi web认证服务器地址
- Typora里如何调整图片大小
- 【LeetCode】179. 最大数
- 仿得物微信小程序(动手就会,含源码)
- 杰里之升级复位可以选择软复位跳转和绝对地址跳转【篇】
- 自用 学习BCR 免疫组化
- unity(VR方向)实习生面试
- Unity3D常用游戏开发插件测评总结
热门文章
- javascript 区号与城市的对应信息
- rtthread工业使用_RT Thread SPI设备 使用
- android培训课程!不同层级的Android开发者的不同行为,成功入职阿里
- 曙光服务器管理系统,曙光Gridview服务器管理系统单机版v2.0用户手册.pdf
- <转>OSPF OE2和OE1外部路由详解(主要解释了下OE2为什么没默认负载均衡)
- 邮件服务器(eas)找不到服务器,Outlook2013无法配置qq邮箱exchange ActiveSync类型的解决方法...
- java如何创建列表的表头,java word设置表头
- 4g通信模块怎么连接sim卡_4G模块|合宙重磅推出虚拟SIM卡技术,告别卡座
- excel中通过下拉菜单显示不同的报表内容,类似下拉选项中,一旦切换内容,后面的表格内容全都不同?
- 漂洋过海看你(英文版) BY 郭圣怡