数学建模-熵权法

这篇具有很好参考价值的文章主要介绍了数学建模-熵权法。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

  • 熵权法:根据数据本身建立评价体系。
    • 什么时候用?
      • 数据全面,缺少文献或主观依据的题目,文献很难帮助我们确定影响水质的哪一个因素最重要,很难告诉我们指标的重要程度如何衡量。追求公平公正。
      • 缺点:难以将数据之外的因素考虑进去
  • 对比(层次分析法、TOPSIS法)最大区别是完全客观
  • 熵(信息熵):发生的不确定项 权:权重。
    • 熵权法:利用计算因素或指标的信息熵来确定权重
  • 熵权法流程
    • 计算信息熵

      数学建模-熵权法

      • 数据归一化:把数据压缩到0-1区间内
        • 作用:
          • 消除不同指标之间量纲的影响
          • 正向化,把负向和中间指标变成正向指标
        • 类型:表示我们想要评价的指标在什么情况下最好
          • 正向指标:指标值越大越好
            • 分母为第j个指标的所有数据的最大值减最小值得到区间长度
            • 分子是得到第j个指标中每个数据在区间的位置
            • 分式的取值是0-1
            • 乘0.999 + 0.001为了让他的区间成为0.001-1
            • 为了让他不包括0,因为计算信息熵的公式中有ln
          • 负向指标:指标值越小越好
            • 分母一样
            • 举1234的例子就懂了
          • 中间型指标:越靠近中间某个值越好
            • M所要评价的区间长度,找到距离最好值的最大值
            • 1-表示负向指标转化为正向指标
            • 用1234来理解
          • 区间型指标
            • M计算距离最好值最大的区间长度
            • ab的区间内表示评价最好
            • 1-还是负向指向正向
      • 计算pij 
        • xij就是数据归一化后的值
        • 按这个算
      • 得出信息熵
      • 信息熵冗存度
        • 冗存度和权重才是正比的关系
    • 得出权重

      数学建模-熵权法

    • 得出得分

      数学建模-熵权法

  • 代码:
    • 根目录👉🏻数学建模👉🏻MATLAB算法代码👉🏻熵权法
  • 优点
    • 操作简单容易上手。
    • 通过数据处理直接得到权重,少了主观因素,所得权重更让人信服。
  • 缺点
    • 仅由数据波动得出权重,有时候会得到与常理不符的结果

      数学建模-熵权法

      • 使用熵权法前先对指标进行辨认,去掉与事实不符的指标
      • 与主观性较强的层次分析法结合使用,用层次分析法来验证熵权法的结果
    • 归一化手段是线性转换,在最后计算得分时,有些指标的得分不是线性得分

      数学建模-熵权法

    • 要一定量的数据
      • 网络中搜集合适的数据。
  • 应用

    数学建模-熵权法文章来源地址https://www.toymoban.com/news/detail-489592.html

到了这里,关于数学建模-熵权法的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 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试都能考100分,那么这个指标对于这些人的评价是毫无意义的,因为没有任何区分度,熵权法就是通过区分度来确定对于特征的

    2023年04月08日
    浏览(41)
  • 【建模算法】熵权法(Python实现)

    熵权法是通过寻找数据本身的规律来赋权重的一种方法。 熵是热力学单位,在数学中,信息熵表示事件所包含的信息量的期望。根据定义,对于某项指标,可以用熵值来判断某个指标的离散程度,其熵值越小,指标的离散程度越大,该指标对综合评价的影响(权重)越大。

    2024年02月04日
    浏览(38)
  • 建模笔记——熵权法(Python实现)

    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,是一种客观赋权法,避免了人为因素带来的偏差。相对那些主观赋值法,精度较

    2024年02月16日
    浏览(42)
  • 12.9建模复盘——EXCEL批量处理数据、查找数据、熵权法、可视化

    以下是一些可以查询英国国家数据的网站: 1. 英国政府网站(www.gov.uk):提供各个政府部门的数据和统计信息,包括经济、人口、教育、健康、环境等领域。 2. 英国国家统计局(www.ons.gov.uk):英国的官方统计机构,提供广泛的统计数据和报告,涵盖经济、劳动力、人口、

    2024年02月05日
    浏览(45)
  • 权重分析——熵权法

    权重分析是通过熵权法对问卷调查的指标的重要性进行权重输出,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

    2024年02月16日
    浏览(43)
  • 熵权法原理及应用

    熵权法原理及应用 熵 :起源于物理学,表示物质微观热运动时的混乱程度,在信息论中是衡量系统无序程度度量值。 熵权法 :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

    2024年02月16日
    浏览(46)
  • 熵权法计算权重

    基于信息论的熵值法是根据各指标所含信息有序程度的差异性来确定指标权重的客观赋权方法,仅依赖于数据本身的离散程度。 熵用于度量不确定性,指标的离散程度越大(不确定性越大)则熵值越大,表明指标值提供的信息量越多,则该指标的权重也应越大。 熵权法多用

    2024年02月04日
    浏览(47)
  • MCM备赛笔记——熵权法

    Key Concept 熵权法是一种基于信息熵概念的权重确定方法,用于多指标决策分析中。信息熵是度量信息量的不确定性或混乱程度的指标,在熵权法中,它用来反映某个指标在评价过程中的分散程度,进而确定该指标的权重。指标的分散程度越高,信息熵越小,该指标的权重越大

    2024年01月21日
    浏览(38)
  • Python综合评价模型(八)熵权法

    熵权法是根据评价指标的变异程度(差异系数)来分配权重,评价指标变异程度越大,所赋权重就越大,并以此对评价对象进行综合评价的方法 第一步 导入第三方库和案例数据 第二步 标准化数据(min-max标准化) 使用min-max标准化方法标准化数据后,各评价指标的最大值为

    2024年02月15日
    浏览(45)
  • 【赋权算法】Python实现熵权法

    在开始之前,我们先说一下信息熵的概念。 当一件事情发生,如果是意料之中,那么这个事情就并不能拿来当做茶余饭后的谈资,我们可以说这个事情并没有什么信息和价值。而当一件不可能发生的事情发生的时候,我们可能就会觉得震撼三观,这件事情太Crazy了,带来的信

    2024年02月10日
    浏览(43)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包