TOPSIS综合评价模型

TOPSIS方法

逼近理想解排序法，简称为优劣解距离法是一种常用的综合评价方法。
优点：充分利用原始数据信息，结果能精确地反映各评价方案之间的差距；数据分布和样本含量无严格限制，计算简单易行。

基本过程

正向化处理：正向化矩阵
标准化处理：标准化矩阵
计算最优和最劣方案
计算各评价和最优劣的距离
归一化评分

指标

成绩越高(大)越好，这样指标称为极大型指标(效益型指标)；
退款金额越少越好，这样指标称为极小型指标(成本型指标)。

解答

将所有的指标转化为极大型指标，即指标正向化。
极小型指标转换为极大型指标公式：max-x
最常见四种指标：极大型、极小型、中间型、区间型
中间型指标转换为极大型指标公式
x(best)=7、M=max{|6-7|,|7-7|,|8-7|,|9-7|}=2、1-(6-7)/2=1/2…
区间型指标转换为极大型指标公式

可以看出，在区间内的36.6度评分最高为1，距离其越远的评分越低。

正向化矩阵

标准化矩阵

计算距离

归一化

即每个分数除以所有分数和

来源链接
https://blog.csdn.net/qq_36384657/article/details/98188769

TOPSIS综合评价模型相关推荐

数学建模——TOPSIS综合评价模型Python代码
数学建模--TOPSIS综合评价模型Python代码正常代码 import numpy as np # 导入numpy包并将其命名为np ##定义正向化的函数 def positivization( ...
数学建模之：TOPSIS综合评价模型python代码
1.TOPSIS基本概念 TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution )模型中文叫做" ...
商品评论情感分析——基于商品评论建立的产品综合评价模型（1）
商品评论情感分析--基于用户评论建立的产品综合评价模型(1) 1.背景 1.1问题分析 2.数据预处理 2.1删除无关数据 2.2文本去重 3.情感分析 4.LDA主题模型 4.1评论文本分词 4.2 ...
基于熵权法对TOPSIS法模型的修正
最近在学习数学建模,在B站发现一个特别不错的课程,讲的很全面,常考的算法都有涉及到:清风数学建模本文将结合熵权法介绍TOPSIS法,并将淡化原理的推导,更侧重于具体应用. TOPSIS法概述 TO ...
R语言实战Topsis综合评价法
本文介绍Topsis综合评价方法,通过一个实际案例说明其计算过程,并利用R语言完整过程实现. 1. Topsis方法概述 TOPSIS全称Technique for Order Preference ...
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 ...
空气质量预测灰色预测模型模糊综合评价模型
摘要近年来,随着工业生产的发展和城市人口的迅速增长,城市大气污染日趋严重,2018年,国务院正式印发了<打赢蓝天保卫战三年行动计划>,空气质量的好坏严重影响了人民的日常生活,为此研究 ...
Python综合评价模型（三）秩和比法
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编秩第四步计算秩和比方式1 计算秩的简单平均(评价指标权重相等) 方式2 计算秩的加权平均(评价指标权重不等) 第五步导出 ...
运用Python进行TOPSIS综合评价方法
运用Python进行TOPSIS综合评价方法第一步,读取数据: 第二步,对数据进行趋同化: 第三步,对数据进行归一化: 第四步,获取最优列值向量和最劣值向量: 第五步,计算最优方案和最劣方案: 第六 ...
Python综合评价模型（四）主成分分析法
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训练模型第四步计算主成分个数方式1 按特征值计算主成分个数方式2 按累积贡献率计算主成分个数第五步计算主成分系数第六 ...