熵值法综合评价分析流程

这篇具有很好参考价值的文章主要介绍了熵值法综合评价分析流程。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。

熵值法综合评价分析流程

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

一、案例背景

当前有一份数据,是各品牌车各个维度的得分情况,现在想要使用熵值法进行综合评价,得到各品牌车的综合得分,从而进行车型优劣对比,为消费者提供购车依据。

数据如下(数据虚构,无实际意义):

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

二、数据处理

使用熵值法进行分析,需要对数据进行处理,包括数据方向处理和数据量纲处理。

(1)方向处理

当数据方向不一致时,需要进行方向处理,消除数据方向不同的影响。数据按照方向不同,可分为正向指标和负向指标,正向指标是指数据越大越好的指标,比如GDP;负向指标是指数据越小越好的指标,比如空气污染指数。进行方向处理就是将正向指标进行正向化处理、负向指标进行逆向化处理,这样处理后,数据方向就完全一致了。

案例中车辆的油耗、费用,对于消费者来讲,一般希望越小越好,故这2个指标为负向指标,需要进行逆向化处理;而车辆的功率、安全性、维护性、操作性,一般都希望越大越好,这4个指标为正向指标,需要进行正向化处理。

SPSSAU中可以使用生成变量->正向化/逆向化处理功能,操作如下:

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

上图展示了负向指标逆向化处理操作,正向指标正向化处理操作同上。

(2)量纲处理

消除数据方向的影响后,还需要消除由于数据单位不同造成的影响,即进行量纲处理,SPSSAU提供十几种量纲处理方法,这里推荐使用数据归一化进行处理。

本案例因为上述分析中已经进行了正向/逆向此两种处理,而正向/逆向化处理可同时解决方向和量纲问题,所以不需要再次进行归一化处理。数据处理完成之后,接下来进行熵值法分析。

三、熵值法分析

熵值法是客观赋权法当中的一种,熵值是对不确定性的一种度量。熵值法用以确定指标权重的根据是各项指标在数值层面的变异程度,由于对客观数据有着高度依赖,熵值法的运用过程中避免了人为因素对指标权重结果可能造成的偏差。熵值法利用信息熵计算出各指标的权重值,为多指标综合评价提供依据。

将处理好的数据,使用SPSSAU熵值法进行分析,分析前勾选【综合得分】,SPSSAU会在分析时自动保存各变量的综合得分,最后用于综合评价。分析前还需要勾选【非负平移】,原因在于熵值法计算过程中,含有对数运算,而当数据存在0或负数时,无法进行对数运算,所以SPSSAU提供非负平移功能,如果数据小于等于0,此时平移单位为:最小值的绝对值+0.01,保证数据全部为正数可正常计算。SPSSAU操作如下:

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

熵值法计算权重结果如下表:

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

从上表可以看出,使用熵值法计算得到功率、安全性、维护性、操作性、油耗、费用的权重值分别为0.153, 0.118, 0.130, 0.257, 0.137, 0.206。

熵值法计算公式:

(1)信息熵值e

①计算第j项指标下第i个样本值占比重

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

②计算各指标的信息熵(列)

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

其中,k=1/ln(n);

(2)信息效用值d

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

(3)权重系数值w

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

得到的权重值,将用于后续综合得分计算。

四、综合得分

(1)综合得分的意义

综合得分是熵值法用于最终综合评价的决定性指标。得到各指标权重后,将各指标数据与对应的权重相乘后进行累加,即为“综合得分”。综合得分可用于衡量各样本的综合水平,综合得分越高的样本越优秀。

这个指标并不需要手动计算,因为在分析前,勾选了【综合得分】,所以SPSSAU会自动完成计算并保存到【我的数据】中。

(2)优劣对比

SPSSAU生成的综合得分数据如下:

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

分析人员将数据下载至本地,将综合得分进行排序,进行样本之间的优劣对比。也可使用SPSSAU生成变量中的Rank排名功能,对综合得分进行排名。操作如下:

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

最终,将数据下载后使用Excel整理得到各品牌车综合得分排名如下:

熵值法两个样本数不同怎么合并,人工智能,python,机器学习

从分析结果来看,本次参与分析的7辆品牌车,综合得分最高的为车辆6,综合得分最低的为车辆5。说明车辆6在这7辆车中各方面维度是最优的,最差的是车辆5。

六、总结

本次分析使用熵值法对7类品牌车辆进行综合评价,在进行熵值法分析之前,首先对数据进行了方向处理和量纲处理,消除由于方向不统一和单位不统一的影响。然后使用SPSSAU进行熵值法分析,得到各指标权重值以及各样本综合得分值,经过对综合得分进行排名对比,得到各方面最优车辆为车辆6,最差的为车辆5,分析完毕。文章来源地址https://www.toymoban.com/news/detail-785504.html

到了这里,关于熵值法综合评价分析流程的文章就介绍完了。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

  • 熵值法原理及python实现 附指标编制案例

    熵值法 也称熵权法,是学术研究,及实际应用中的一种常用且有效的编制指标的方法。               机器学习中的决策树算法是对信息熵的一种典型的应用。 在信息论中,使用 熵 (Entropy)来描述随机变量分布的不确定性。 假设对随机变量X,其可能的取值有

    2024年02月01日
    浏览(79)
  • 数学建模:模糊综合评价分析

    🔆 文章首发于我的个人博客:欢迎大佬们来逛逛 构成综合评价类问题的五个要素: 被评价对象 评价指标 权重系数 综合评价模型 评价者 综合评价的一般步骤: 确定综合评价的目的(分类?排序?实现程度) 建立评价指标体系 对指标数据进行 预处理 :一致化和无量纲化

    2024年02月09日
    浏览(59)
  • 数学建模【模糊综合评价分析】

    一、模糊综合评价分析简介 提到模糊综合评价分析,就先得知道模糊数学。1965年美国控制论学家L.A.Zadeh发表的论文“Fuzzy sets”标志着模糊数学的诞生。 模糊数学又称Fuzzy数学,是研究和处理模糊性现象的一种数学理论和方法。模糊性数学发展的主流是在它的应用方面。由于

    2024年03月20日
    浏览(54)
  • 数学建模—评价模型—灰色关联度分析Vs灰色综合评价

            黑色系统:只明确系统和环境的关系,内部未知         白色系统:内部结构、元素、组成、实现机理已知         灰色系统:部分明确系统与环境见关系、系统结构、实现过程。 灰色系统实例:(1)社会经济系统(企业收入、相关因素) 灰色系统理论

    2024年02月04日
    浏览(50)
  • 模糊综合评价-----层次分析法AHP

    文首先读: ​ 最近有个课题需要用到模糊综合评价,笔者也是收集了各方资料,最后发现某乎上的一篇文章,简单、系统、详细的同时不乏简单易懂和深度见解,这边link给出,读者可以自己尝试阅读,必有不少收获。 ​ 之后发现其中需要用到层次分析法的时候,大佬是一

    2023年04月09日
    浏览(42)
  • 数学建模学习(3):综合评价类问题整体解析及分析步骤

    对物体进行评价,用具体的分值评价它们的优劣 选这两人其中之一当男朋友,你会选谁? 不同维度的权重会产生不同的结果 所以找到 每个维度的权重是最核心的问题 0.25 供应商 ID 可靠性 指标 2 指标 3 指标 4 指标 5 1 1 4 100 56 1000 2 2 6 105 55 2000 正向指标处理:即越大越好的指标

    2024年02月16日
    浏览(47)
  • 基于AHP(层次分析法)确定权值的模糊综合评价

    目录 1、模糊综合评价 2、权值的确定 因素集 :影响评价的因素,例如:企业家的素质综合评价可以考虑5个因素{德,能,勤,绩,生命周期延长} 评价集 :某因素好与坏,例如:企业家的德可以被评价为{高 较高 一般 低} 单因素评价矩阵 :rij代表因素i对评价j的隶属度。 例

    2024年02月05日
    浏览(50)
  • 【综合评价分析】熵权算法确定权重 原理+完整MATLAB代码+详细注释+操作实列

    【综合评价分析】 熵权算法 确定权重 原理+完整MATLAB代码+详细注释+操作实列 文章目录 1. 熵权法确定指标权重 (1)构造评价矩阵 Ymn (2)评价矩阵标准化处理 (3)计算指标信息熵值 Mj (4)计算各指标权重 Nj 2.完整代码 2.1 熵权法(正向化指标) 2.2熵权法(负向化指标)

    2024年01月21日
    浏览(41)
  • 生态经济学领域里的R语言机器学(数据的收集与清洗、综合建模评价、数据的分析与可视化、数据的空间效应、因果推断等)

    近年来,人工智能领域已经取得突破性进展,对经济社会各个领域都产生了重大影响,结合了统计学、数据科学和计算机科学的机器学习是人工智能的主流方向之一,目前也在飞快的融入计量经济学研究。表面上机器学习通常使用大数据,而计量经济学则通常使用较小样本,

    2024年02月11日
    浏览(55)
  • 【生态经济学】利用R语言进行经济学研究技术——从数据的收集与清洗、综合建模评价、数据的分析与可视化、因果推断等方面入手

    查看原文 如何快速掌握利用R语言进行经济学研究技术——从数据的收集与清洗、综合建模评价、数据的分析与可视化、因果推断等方面入手 近年来,人工智能领域已经取得突破性进展,对经济社会各个领域都产生了重大影响,结合了统计学、数据科学和计算机科学的机器学

    2024年02月12日
    浏览(52)

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