MCM备赛笔记——熵权法

这篇具有很好参考价值的文章主要介绍了MCM备赛笔记——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。

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;反之,信息熵越大,权重越小。

建模思路

  1. 数据准备:

    • 收集各个评价对象在不同指标下的原始数据。MCM备赛笔记——熵权法,数学建模,算法,数学建模
  2. 数据标准化正向化:

    • 由于不同指标的量纲和数量级可能不同,需要对数据进行标准化处理,使其可比性增强。
      #数据矩阵正向化
      #将极小型数据转化为极大型数据
      def minToMax(maxx,x):
          x=list(x)
          ans=[]
          for i in range(len(x)):
              ans.append(maxx-x[i])
          return ans
      
      #将中间型数据转化为极大型数据
      def midToMax(bestx,x):
          x=list(x)
          ans=[]
          h=[]
          #计算列表中每个元素与最优值的差的绝对值
          for i in range (len(x)):
              h.append(abs(bestx-x[i]))
          M=max(h)#计算最大值,用来归一化
          if M==0:
              M=1#防止除0错误
          #计算每个元素的极大型值
          for i in range(len(x)):
              ans.append(1-h[i]/M)
          return np.array(ans)
      
      #将区间型数据转化为极大型数据
      def intervalToMax(x,lowx,highx):
          x=list(x)
          ans=[]
          for i in range(len(x)):
              if x[i]>=lowx and x[i]<=highx:
                  ans.append(1)
              elif x[i]<lowx:
                  ans.append(1-(lowx-x[i])/(lowx-min(x)))
              elif x[i]>highx:
                  ans.append(1-(x[i]-highx)/max(x)-highx)
          return np.array(ans)
      
      #对数据矩阵进行标准化
      def normalize(data):
          data=np.array(data)
          X=data/np.sqrt(np.sum(data**2,axis=0))
          return X
      
      #对数据矩阵进行归一化
      def regularize(data):
          data=np.array(data)
          m,n = np.shape(data)
          for i in range(n):
              col_sum=np.sum(data[:,i])
              for j in range(m):
                  data[j,i]=data[j,i]/col_sum
          return data

      MCM备赛笔记——熵权法,数学建模,算法,数学建模文章来源地址https://www.toymoban.com/news/detail-810148.html

  3. 计算指标的比重:

    • 对于每个指标,计算每个评价对象在该指标下的比重,这通常是指标值除以该指标所有值的总和,这里其实就是进行归一化处理MCM备赛笔记——熵权法,数学建模,算法,数学建模
  4. 计算信息熵:

    • 使用信息熵公式计算每个指标的信息熵。MCM备赛笔记——熵权法,数学建模,算法,数学建模
  5. 计算权值

  6. 计算得分

到了这里,关于MCM备赛笔记——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(SPSSPRO与MATLAB)

    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(表明指标值得变异程度越大,提供的信息量越多),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,则该指标在综合评价中不起作用。因此,可 利用

    2024年02月02日
    浏览(41)
  • 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(43)
  • 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(45)
  • 【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(41)
  • 2023 年(MCM/ICM)美国大学生数学建模竞赛参赛规则及注意事项

    2023美赛参赛规则及注意事项正式发布,快跟随我来一起看一看。 注意事项: • COMAP 比赛时间为美国东部时区:除注明当地时间外,本说明中给出的所有时间均以东部标准时间(EST)为准。 1.辅助报名截止时间: 北京时间 2023 年 2 月 17 日 00:00 2.比赛时间:  (北京时间:

    2024年02月15日
    浏览(42)
  • 2022大湾区杯粤港澳金融数学建模备赛

    桥水基金: 做空,说白了就是预先看到别人所看不到的灾难,然后利用这个灾难,赌相关的资产价格下跌。而桥水基金是以做空闻名于世界,也是国际最著名的对冲基金之一。 由于桥水多次准确地判断了市场系统性风险,因此,桥水基金也被行业认为是危机和风险管理的风

    2024年02月06日
    浏览(47)
  • 2023年美国大学生数学建模MCM问题Y:了解二手帆船的价格-解题思路及代码分享

    2023 MCM Problem Y: Understanding Used Sailboat Prices 2023年MCM问题Y:了解二手帆船的价格 和许多奢侈品一样,帆船的价值会随着老化和市场条件的变化而变化。附件中所附的“2023_MCM_Problem_Y_Boats.xlsx”文件包括了2020年12月在欧洲、加勒比海和美国登广告出售的大约3500艘36至56英尺长的帆

    2023年04月15日
    浏览(47)
  • 数学建模笔记——整数规划类问题之我见(匈牙利算法)

    目录 浅浅叙述匈牙利算法 基本思路 计算步骤 来一道简单例题 1.1 符号规定 1.2目标函数​编辑       1.3约束条件 ​编辑 1.4代码 题目复述 基本假设 问题分析 符号说明  模型的建立与求解 模型建立思路 模型建立的过程 建立0-1整数规划模型  运用匈牙利方法: 代码实现  

    2023年04月11日
    浏览(50)
  • 【数学建模笔记】【第四讲(1)】拟合算法之最小二乘算法及其MATLAB实现

    与插值问题不同,在拟合问题中不需要曲线一定经过给定的点。拟合问题的目标是寻求一个函数(曲线),使得该曲线在某种准则下与所 有的数据点最为接近,即曲线拟合的最好(最小化损失函数) 【插值和拟合的区别】 插值算法中,得到的多项式f(x)要经过所有样本点。但

    2024年02月09日
    浏览(49)
  • 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)

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