1.原理简介

2.步骤详解

2.1 原始数据收集

2.2 指标数据正向化

2.3 数据标准化（消除量纲）

2.4 计算变异系数

2.5 计算权重及得分

3.案例分析

3.1 获取原始数据

3.2 指标正向化

3.3 数据标准化

3.4 计算变异系数

3.5 计算权重

4.完整代码（Java）

4.1 方法类CoV.java

4.2 主类CoVmain.java

1.原理简介

变异系数法是根据统计学方法计算得出系统各指标变化程度的方法，是直接利用各项指标所包含的信息，通过计算得到指标的权重，因此是一种客观赋权的方法。

变异系数法根据各评价指标当前值与目标值的变异程度来对各指标进行赋权，若某项指标的数值差异较大，能明确区分开各被评价对象，说明该指标的分辨信息丰富，因而应给该指标以较大的权重；反之，若各个被评价对象在某项指标上的数值差异较小，那么这项指标区分各评价对象的能力较弱，因而应给该指标较小的权重。

2.步骤详解

2.1 原始数据收集

假设一组数据中有m个指标，n条待评价样本，即一个n*m的矩阵，令其为X。其中xij表示第i行第j列的数据。

2.2 指标数据正向化

指标正向化的目的就是把所有的指标都转换为正向指标。

正向指标：又叫越大越优型指标，即该指标下的数据数值越大越好，例如成绩。

负向指标：又叫越小越优型指标，即该指标下的数据数值越小越好，例如排名。

对于正向指标：保持其原数据不变。

对于负向指标：采用如下方法。

其中k为指定的任意系数，其值可为0.1,0.2等； max|xj|表示第 j 列数据（指标）绝对值的最大值。

2.3 数据标准化（消除量纲）

由于不同的指标数据的单位不同，因此无法直接对其进行计算，而数据标准化的目的就是消除单位的影响，使所有数据都能够用同一种方法对其进行计算。令标准化后的数据矩阵为R.

2.4 计算变异系数

计算每个指标的均值：

计算每个指标的标准差（均方差）：

因为标准差可以描述取值的离散程度，即某指标的方差反映了该指标的的分辨能力，所以可用标准差定义指标的权重。

计算每个指标的变异系数：

2.5 计算权重及得分

权重：

得分：

3.案例分析

假设有以下数据，x1~x7为指标，ABC为三条待评价对象，其中x1和x4为负向指标，其余为正向指标。

	x1	x2	x3	x4	x5	x6	x7
A	0.743	0.8267	0.8324	12	0.8637	0.0743	0.0409
B	0.7567	0.8033	0.8736	-10	0.8538	-0.0665	0.0716
C	0.8104	0.7667	0.8539	16	0.9038	0.0881	0.0657

3.1 获取原始数据

这里采用jxl包读取Excel。

//读取数据public double[][] read(String filepath) throws IOException, BiffException,WriteException {//创建输入流InputStream stream = new FileInputStream(filepath);//获取Excel文件对象Workbook  rwb = Workbook.getWorkbook(stream);//获取文件的指定工作表 默认的第一个Sheet sheet = rwb.getSheet("Sheet1");rows = sheet.getRows();cols = sheet.getColumns();orig = new double[rows][cols];pos = new double[rows][cols];stand = new double[rows][cols];//row为行for(int i=0;i<sheet.getRows();i++) {for(int j=0;j<sheet.getColumns();j++) {String[] str = new String[sheet.getColumns()];Cell cell = null;cell = sheet.getCell(j,i);    str[j] = cell.getContents();orig[i][j] = Double.valueOf(str[j]);//uniform[i][j] = Double.valueOf(str[j]);}}return orig;}

输出：

3.2 指标正向化

在此只需要对负向指标进行处理，正向指标保持原数据不变。

//指标正向化public double[][] positive(double[][] or){double k=0.1;pos=or;List<Integer> neg=new ArrayList<Integer>();//存储逆向指标所在列System.out.println("是否有逆向指标（越小越优型指标）？是：1否：2");int a=input.nextInt();double[] max=getMax(or);if(a==1) {System.out.println("输入逆向指标所在列(以“/”结尾）：");while(!input.hasNext("/")) {neg.add(Integer.valueOf(input.nextInt()));}for(int i=0;i<orig.length;i++) {for(int j=0;j<neg.size();j++) {pos[i][neg.get(j)]=1/(k+max[neg.get(j)]+or[i][neg.get(j)]);}}}return pos;}

输出：

3.3 数据标准化

//数据标准化public double[][] standar(double[][] p){double[] sum=new double[p[0].length];for(int i=0;i<p.length;i++) {for(int j=0;j<p[0].length;j++) {sum[j] += p[i][j]*p[i][j];}}for(int i=0;i<p.length;i++) {for(int j=0;j<p[0].length;j++) {stand[i][j] = p[i][j]/(Math.sqrt(sum[j]));}}return stand;}

输出;

3.4 计算变异系数

     //均值double[] sum=new double[st[0].length];for(int j=0;j<st[0].length;j++) {for(int i=0;i<st.length;i++) {sum[j] += st[i][j];}A[j]=sum[j]/st.length;}//标准差double[] sum1=new double[st[0].length];for(int j=0;j<st[0].length;j++) {for(int i=0;i<st.length;i++) {sum1[j] += (st[i][j]-A[j])*(st[i][j]-A[j]);}S[j]=Math.sqrt(sum1[j]/st.length);}//变异系数for(int j=0;j<st[0].length;j++) {V[j]=S[j]/A[j];}

输出：

3.5 计算权重

     //各指标权重double sumv=0;for(int j=0;j<st[0].length;j++) {sumv += V[j];}for(int j=0;j<st[0].length;j++) {wi[j] = V[j]/sumv;}

输出：

4.完整代码（Java）

4.1 方法类CoV.java

/** 假设有m个方案，n个指标，憨憨为方案，列为指标* 变异系数法（Coefficient of variation method）计算步骤* 1.指标正向化：都转换为正向指标（越大越优型指标）* 2.数据标准化：消除负数和量纲影响* 3.计算变异系数：Aj（指标均值），Sj（指标标准差），则变异系数Vj=Sj/Aj* 4.计算权重：Wj=Vj/sum(Vj)*/
package CoV;import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.ArrayList;
import java.util.List;
import java.util.Scanner;import jxl.Cell;
import jxl.Sheet;
import jxl.Workbook;
import jxl.read.biff.BiffException;
import jxl.write.WriteException;public class CoV {private double[][] orig; //原始矩阵private double[][] pos;//正向化矩阵private double[][] stand;//标准化后的矩阵 int rows,cols;//存储Excel的行和列数Scanner input = new Scanner(System.in);//矩阵每列绝对值最大值public double[] getMax(double[][] m) {double max[] = new double[m[0].length];for(int j=0;j < m[0].length;j++) {max[j] = Math.abs(m[0][j]);for(int i=0;i < m.length;i++) {if(Math.abs(m[i][j]) >= max[j]) {max[j] = Math.abs(m[i][j]);}}}return max;}//输出二维矩阵public void matrixoutput(double[][] x) {for(int i=0;i<x.length;i++) {for(int j=0;j<x[0].length;j++) {System.out.print(String.format("%.3f\t", x[i][j]));}System.out.println();}}//输出一维矩阵public void matrixoutput1(double[] x) {for(int i=0;i<x.length;i++) {System.out.print(String.format("%.3f\t", x[i]));}System.out.println();}//读取数据public double[][] read(String filepath) throws IOException, BiffException,WriteException {//创建输入流InputStream stream = new FileInputStream(filepath);//获取Excel文件对象Workbook  rwb = Workbook.getWorkbook(stream);//获取文件的指定工作表 默认的第一个Sheet sheet = rwb.getSheet("Sheet1");rows = sheet.getRows();cols = sheet.getColumns();orig = new double[rows][cols];pos = new double[rows][cols];stand = new double[rows][cols];//row为行for(int i=0;i<sheet.getRows();i++) {for(int j=0;j<sheet.getColumns();j++) {String[] str = new String[sheet.getColumns()];Cell cell = null;cell = sheet.getCell(j,i);    str[j] = cell.getContents();orig[i][j] = Double.valueOf(str[j]);//uniform[i][j] = Double.valueOf(str[j]);}}return orig;}//指标正向化public double[][] positive(double[][] or){double k=0.1;pos=or;List<Integer> neg=new ArrayList<Integer>();//存储逆向指标所在列System.out.println("是否有逆向指标（越小越优型指标）？是：1否：2");int a=input.nextInt();double[] max=getMax(or);if(a==1) {System.out.println("输入逆向指标所在列(以“/”结尾）：");while(!input.hasNext("/")) {neg.add(Integer.valueOf(input.nextInt()));}for(int i=0;i<orig.length;i++) {for(int j=0;j<neg.size();j++) {pos[i][neg.get(j)]=1/(k+max[neg.get(j)]+or[i][neg.get(j)]);}}}return pos;}//数据标准化public double[][] standar(double[][] p){double[] sum=new double[p[0].length];for(int i=0;i<p.length;i++) {for(int j=0;j<p[0].length;j++) {sum[j] += p[i][j]*p[i][j];}}for(int i=0;i<p.length;i++) {for(int j=0;j<p[0].length;j++) {stand[i][j] = p[i][j]/(Math.sqrt(sum[j]));}}return stand;}//计算变异系数、权重和得分public double[][] weigth(double[][] st) {double[] A=new double[st[0].length];double[] S=new double[st[0].length];double[] V=new double[st[0].length];double[] wi=new double[st[0].length];double[][] W=new double[4][st[0].length];//均值double[] sum=new double[st[0].length];for(int j=0;j<st[0].length;j++) {for(int i=0;i<st.length;i++) {sum[j] += st[i][j];}A[j]=sum[j]/st.length;}//标准差double[] sum1=new double[st[0].length];for(int j=0;j<st[0].length;j++) {for(int i=0;i<st.length;i++) {sum1[j] += (st[i][j]-A[j])*(st[i][j]-A[j]);}S[j]=Math.sqrt(sum1[j]/st.length);}//变异系数for(int j=0;j<st[0].length;j++) {V[j]=S[j]/A[j];}//各指标权重double sumv=0;for(int j=0;j<st[0].length;j++) {sumv += V[j];}for(int j=0;j<st[0].length;j++) {wi[j] = V[j]/sumv;}for(int j=0;j<st[0].length;j++) {W[0][j] = A[j];W[1][j] = S[j];W[2][j] = V[j];W[3][j] = wi[j];}return W;}}

4.2 主类CoVmain.java

package CoV;import java.io.IOException;import jxl.read.biff.BiffException;
import jxl.write.WriteException;public class CoVmain {public static void main(String args[]) throws BiffException, WriteException, IOException {CoV cov=new CoV();double[][] orig = cov.read("cov.xls");//输出原始矩阵,行为评价对象，列为评价指标System.out.println("原始矩阵为：");cov.matrixoutput(orig);double[][] pos = cov.positive(orig);System.out.println("正向化矩阵为：");cov.matrixoutput(pos);double[][] stand = cov.standar(pos);System.out.println("标准化矩阵为：");cov.matrixoutput(stand);double[][] W = cov.weigth(stand);//输出每个指标的均值、标准差、变异系数和权重，依次按行排列System.out.println("均值矩阵为：");cov.matrixoutput1(W[0]);System.out.println("标准差矩阵为：");cov.matrixoutput1(W[1]);System.out.println("变异系数矩阵为：");cov.matrixoutput1(W[2]);System.out.println("权重矩阵为：");cov.matrixoutput1(W[3]);}
}

权重计算方法三：变异系数法（Coefficient of Variation）相关推荐

4 评价类算法：变异系数法笔记（附Python代码）
一.原理 1.定义变异系数法(Coefficient of variation method)是直接利用各项指标所包含的信息,通过计算得到指标的权重.是一种客观赋权的方法. 此方法的基本做法是:在评 ...
变异系数法之matlab
目录 1.简介 2.算法原理 2.1 指标正向化 2.2 数据标准化 2.3 计算变异系数 2.4 计算权重以及得分 3.实例分析 3.1 读取数据 3.2 指标正向化 3.3 数据标准化 3.4 计 ...
变异系数法之python
目录 1.简介 2.算法原理 2.1 指标正向化 2.2 数据标准化 2.3 计算变异系数 2.4 计算权重以及得分 3.实例分析 3.1 读取数据 3.2 指标正向化 3.3 查看行数和列数 3.4 ...
GEE：变异系数法在遥感影像分析中的应用及权重计算
作者:CSDN @ _养乐多_ 本文介绍了在Google Earth Engine(GEE)平台上基于变异系数法的多指标加权遥感影像分析方法.该方法通过计算每个指标的平均值和标准差,进而计算变异系数来 ...
权重设计：客观赋权法的说明（熵权法/变异系数法/CRCIII法/TOPSIS法）
在数据分析中,我们经常会遇到多个特征对于结果造成不同影响的情况,如何识别这些特征各自的权重,对我们的后续结果评估,打分矩阵构建都具有重要意义.我们所说的赋权法是用于解决多指标综合评价问题中的各指标权重 ...
三种客观赋权法——熵权法、变异系数法、CRITIC
1.数据处理在计算权值之前,需要对原始的数据进行一定的处理. 1.1 数据清洗数据的清洗是解决问题的第一步,包括缺失值处理和异常值处理两方面. 对于缺失值,通常有三种可选的操作--删除.插补.不处 ...
matlab 计算变异系数,变异系数法求权重matlab 代码
利用matlab编程,很容易根据变异系数法,求得多指标综合评价模型的权重. 代码如果有不懂的地方,可以联系我. 变异系数法求权重matlab 代码 clear;clc; [data1,header1] ...
matlab 计算变异系数,变异系数法求权重matlab代码
<变异系数法求权重matlab代码>由会员分享,可在线阅读,更多相关<变异系数法求权重matlab代码(1页珍藏版)>请在读根文库上搜索. 1.变异系数法求权重 matlab ...
critic法计算_基于CRITIC法和变异系数法的导线网测量平差定权 2
基于 CRITIC 法和变异系数法的导线网测量平差定权杨腾飞,施昆,汪奇生 ( 昆明理工大学国土资源工程学院 , 云南昆明 650093) [摘要] CRITIC 与变异系数定权都是一种客观的 ...
嫡权法赋权法_变异系数法_客观赋权法
什么是变异系数,有何优势? 变异系数:当需要比较两组数据离散程度大小的时候,如果两组数据的测量尺度相差太大,或者数据量纲的不同,直接使用标准差来进行比较不合适,此时就应当消除测量尺度和量纲的影响,而变 ...

权重计算方法三：变异系数法（Coefficient of Variation）

1.原理简介

2.步骤详解

2.1 原始数据收集

2.2 指标数据正向化

2.3 数据标准化（消除量纲）

2.4 计算变异系数

2.5 计算权重及得分

3.案例分析

3.1 获取原始数据

3.2 指标正向化

3.3 数据标准化

3.4 计算变异系数

3.5 计算权重

4.完整代码（Java）

4.1 方法类CoV.java

4.2 主类CoVmain.java

权重计算方法三：变异系数法（Coefficient of Variation）相关推荐

最新文章

热门文章