- 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
- 什么时候用?
- 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
- 正向指标:指标值越大越好
- 作用:
- 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
- 数据归一化:把数据压缩到0-1区间内
- 得出权重
- 得出得分
- 计算信息熵
- 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
- 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
文章来源:https://www.toymoban.com/news/detail-489592.html
- 要一定量的数据
- 网络中搜集合适的数据。
- 仅由数据波动得出权重,有时候会得到与常理不符的结果
- 应用
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!