数学建模——熵权法步骤及程序详解
数学建模——熵权法步骤及程序详解
权重的求解一直都是数学建模的重点关注对象,所以学好建模论文的重要一步就是如何确定权重,今天是来介绍一种客观确定几个指标各自所占的权重的方法——熵权法。之前的数学建模实战里有提到用熵权法确定了每个指标各自的权重,这里展开详细的写一下。
文章目录
- 数学建模——熵权法步骤及程序详解
- 前言
- 一、熵权法的介绍
- 1、熵权法的应用场景
- 2、熵权法的基本思想
- 3、熵权法的算法步骤
- 二、代码程序
- 总结
前言
按照信息论基本原理的解释,信息是系统有序程度的一个度量,熵是系统无序程度的一个度量;根据信息熵的定义,对于某项指标,可以用熵值来判断某个指标的离散程度,其信息熵值越小,指标的离散程度越大, 该指标对综合评价的影响(即权重)就越大,如果某项指标的值全部相等,则该指标在综合评价中不起作用。因此,可利用信息熵这个工具,计算出各个指标的权重,为多指标综合评价提供依据。
一、熵权法的介绍
我们分析某个因素时,主观地列出了一些有影响力的指标,这些指标已经与因变量存在某种的相关性,不管是正相关还是负相关。指标的值变化会直接影响因素的变化,变化量越大,说明指标对于因素的变化作用也应该是越明显的。
简单的讲,就是在评价对象时,往往每个对象会有几个指标。那这几个指标哪个指标所占的权重最大呢?我们自己捏造一个好像又不太合理,所以我们瞎分析一下,好像一些变化不是那么大,整体相对平滑的数据,举一个极端的例子:对于所有的样本而言,这个指标都是相同的数值,那么我们可认为这个指标的权值为0,即这个指标对于我们的评价起不到任何帮助。依据这种思想我们就诞生了熵权法。
1、熵权法的应用场景
熵权法既然是客观赋权法,那么应用有一个前提条件,那就是必须得有数据,没有数据支撑的赋权方法是主观赋权法。
这种方法虽然简单,但是用于企业的实际问题当中是非常有用的,可以用于确定初步权重,后续可通过其他方法进行优化。
2、熵权法的基本思想
我们对于一件事情的普遍看法是,越有可能发生的事情,信息量越少;越不可能发生的事情,信息量就越多。而熵的定义我们在高中化学中已经接触过了,有兴趣的同学可以回顾一下,熵的定义是系统的混乱程度,熵越高,系统的状态越混乱,这个定义就很符合我们对事情的普遍看法的定义,所以诞生了名词——信息熵。
一个随机变量的信息熵越高,则他所带来的信息量越高,那么相对应的,其他变量的信息量会比较低(因为总体信息量(权重)是固定的,为1)
啊,说到这里,大家不是很理解也很正常滴,主要写论文会用,会抄就可以了。下面进入重点,
3、熵权法的算法步骤
第一步为数据标准化。
首先需要正向化指标(后续需要用到),当然,如果数据都是非负的,那么可以跳过正向化步骤,公式如下。
就是指标的值减去最小值,除以指标的振幅。这样子就可以得到正向化后的矩阵Z。
第二步为进行归一化处理
处理公式如下。
yij=zij/∑i=1nxijy_{ij}=z_{ij}/\sum_{i=1}^{n}{x_{ij}}yij=zij/i=1∑nxij
此外还可以采用最大最小法、Z-score等方法进行标准化处理。由此可得到行列的标准化矩阵(共有n行m列,一行代表一个样本,一列代表一个指标)
Y=(yij)nmY=(y_{ij})_{nm}Y=(yij)nm
第三步计算每个指标的信息熵,并计算信息效用值,并归一化得到每个指标
公式如下:
ej=k∑i=1nyijlnyije_j=k\sum_{i=1}^n{y_{ij}\ln y_{ij}} ej=ki=1∑nyijlnyij
这里为什么要除以一个常数kkk呢?kkk的取值是为了保证eje_jej可以在区间[0,1]上,当指标的样本值完全一样的时候,k=1lnn\frac{1}{\ln\text{\ }n}ln n1刚好可以令信息熵位于[0,1]之间,所以我们kkk值一般取1lnn\frac{1}{\ln\text{\ }n}ln n1
熵值越小,信息量越大,有兴趣大家可以试一下画他的函数图像。
第四步计算信息效用值(信息熵冗余度)
计算方法如下:
dj=1−ejd_j=1-e_jdj=1−ej
信息效用越大,信息量越大。
第五步计算指标的权重系数
将信息效用值进行归一化,就可以得到每个指标的权重:
wj=dj/∑i=1mdiw_j=d_j/\sum_{i=1}^m{d_i} wj=dj/i=1∑mdi
二、代码程序
matlab代码如下:
clc,clear
%行为样本,列为指标
X=[39414 2823 34877 44562 2036 603 322 934936 929914 1492 29811
54934 1911 52242 35262 3862 908 396 1075563 1030664 1780 29811
96442 2743 88737 303221 4307 1596 694 1104835 1010146 1936 32678
107079 3036 98513 478883 3956 2530 1089 909220 862077 2160 36063
124359 3326 116897 378318 4102 2669 1179 1117851 1123109 2349 38951
140167 3900 130355 261203 4180 3538 1991 1116429 1100510 2446 40324
161523 3989 153722 444755 4309 3727 1593 878466 880226 2637 43211
177681 4669 167161 422267 4630 6629 1867 1048053 1003952 2904 47116
124969 4416 111415 286399 3829 5665 2591 1142395 1112661 3092 49406
146015 3200 129997 228695 5308 4911 2506 1202365 1112475 3252 51119];
[n,m]=size(X);
%% 正向化
z=find(X<=0);
if length(z)~=0for i=1:nfor j=1:mx(i,j)=(X(i,j)-min(X(:,j)))/(max(X(:,j))-min(X(:,j)));endendX=x;
end
%% 归一化
for i=1:nfor j=1:mp(i,j)=(X(i,j)+0.00000000001)/sum(X(:,j));%这里加极其小的数,是为了防止后面当p为0的时候log(p)无法计算end
end
%% 计算第 j 个指标的熵值 e(j)
k=1/log(n);
for j=1:me(j)=-k*sum(p(:,j).*log(p(:,j)));
end
d=ones(1,m)-e; % 计算信息熵冗余度
w=d./sum(d) % 求权值 w
总结
熵权法本质
其实可以看成是方差越大,我们赋予的权重也就越大。
熵权法的讨论
在实际过程操作中,熵权法本身也是具有一定的逻辑问题,例如信息熵小的数值不一定对于因素的影响就小,举个典型的例子,在大学期末综评的时候,参加比赛是可以加分的,发表论文是可以获得加分的,在参加比赛方面大家各有差异,而发表论文的加分项大家几乎都没有,那我们可以说期末综评发表论文没有参加比赛重要吗,显然是不科学的,所以熵权法本身也具有一定的约束性,这是客观赋权法不可避免的。
熵权法的拓展
很多时候我们使用熵权法都是为了做一个综合评价,最经典就是基于熵权法对Topsis模型的修改,当然也有简单暴力是熵值法,权重直接乘以归一化后的原始矩阵即可。
数学建模——熵权法步骤及程序详解相关推荐
- 数学建模——粒子群算法步骤及程序详解
文章目录 前言 一.粒子群是什么? 二.粒子群算法的核心公式 1.速度 2.位置 3.核心参数的设置 惯性权重 学习因子 自动退出迭代循环 三.代码详解 总结 前言 优化算法一直都是数学建模比赛的热门 ...
- 数学建模——遗传算法步骤及程序详解
数学建模--遗传算法步骤及程序详解 文章目录 数学建模--遗传算法步骤及程序详解 前言 一.遗传算法的基础 1.编码和解码 2.适应度函数 3.交叉 4.变异 5.选择 二.遗传算法原理步骤 1.初始 ...
- 数学建模——智能优化之粒子群模型详解Python代码
数学建模--智能优化之粒子群模型详解Python代码 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplo ...
- 数学建模——一维、二维插值模型详解Python代码
数学建模--一维.二维插值模型详解Python代码 一.一维插值 # -*-coding:utf-8 -*- import numpy as np from scipy import interpol ...
- 清风数学建模学习笔记——系统(层次)聚类原理详解及案例分析
系统聚类 系统聚类的合并算法通过计算两类数据点间的距离,对最为接近的两类数据点进行组合,并反复迭代这一过程,直到将所有数据点合成一类,并生成聚类谱系图.此外,系统聚类可以解决簇数 K 的取值问题, ...
- 限时9.9元 | 快速领取数学建模竞赛备战必备技巧与论文详解!
全世界只有3.14 % 的人关注了 青少年数学之旅 大家晚上好,随着美赛时间的公布以及大大小小的数学建模竞赛的进行,小天经常可以收到来自很多小伙伴们提出的问题,"竞赛中如何去考虑选题?&qu ...
- RRT与RRT*算法具体步骤与程序详解(python)
提示:前面写了A*.Dijkstra算法 文章目录 前言 一.RRT的原理与步骤 二.RRT算法编写的步骤 1.算法步骤 2.算法的实现 三.RRT*算法编写的步骤 1.算法的步骤 2.算法的实现 三 ...
- 2015美国数学建模a代码c语言,美国数学建模比赛2020 MCM C题代码详解
# #!-*- coding:utf-8 -*- import pandas as pd import numpy as np import xlrd import vaderSentiment fr ...
- 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 ...
- 数学建模学习笔记(三)熵权法Excel实现
熵权法步骤: 1.标准化处理 正向指标: Z i j = x i j − m i n ( x j ) m a x ( x j ) − m i n ( x j ) Z_{ij}=\cfrac{x_{ij ...
最新文章
- 不用深度学习,怎么提取图像特征?
- 使用Volley传输网络数据
- windows环境下32位汇编语言程序设计 90盘_Python 0基础详细教程 环境安装01
- RAID0,RAID1,RAID10,RAID5
- Windows XP Ghost系统安装
- TurboMail邮件系统实用技巧十四:如何知道对方已经读信
- python如何打印26个字母_玩法#用Python学会打印26个英语字母,简单操作如下
- python基础之序列类型的方法——列表元组
- vue 防止按钮重复点击
- Vue使用vue-cli基于脚手架编写项目_自己编写一个vue基本项目_认识项目结构---vue工作笔记0019
- Facts have proved that this is more popular than his article
- PAT 1088 三人行(20 分)- 乙级
- 【PAT乙】1002 写出这个数 (20分)
- Eclipse没有Web插件和JavaEE插件咋整
- 什么是Ⅰ类、Ⅱ类、Ⅲ类银行账户?秒懂!
- win32汇编动态链接库的编写及使用
- 51单片机课程设计数显简易频率计设计
- Chrome谷歌浏览器安装crx后缀插件方法
- php jwt token刷新方案,laravel JWT自动刷新 自定义验证器
- 微信小程序小功能分享一( canves制图之后台base64图片转为微信临时文件)
热门文章
- html拼凑成一张图片,(代码片段)利用canvas,把多张图合并成一张图片
- 远程访问openwrt路由器+配置动态DNS
- 在yii2应用中,使用imagine库生成分享图实战。
- 浅谈目前政企办公协作的需求与痛点
- 全国名医无私奉献特效秘方100条
- 一维条形码 code128 的全面介绍
- 深入理解Java内存模型的volatile语义
- 监听fullpage.js滚动的屏数
- win7 mysql 管理员权限,win7管理员权限问题 TrustInstaller 获取权限
- 聚亚烷基二醇的全球与中国市场2022-2028年:技术、参与者、趋势、市场规模及占有率研究报告