电商网站开发项目计划书,网站模板制作流程,上海网络推广平台,Wordpress 织梦 哪个容易topsis法能够充分利用原始数据的信息#xff0c;其结果能够精确地反应各个评价方案之间的差距
该模型对于数据的分布及样本含量没有严格的限制#xff0c;数据计算简单易行
以下是该模型的步骤
一、将原始矩阵正向化
就是将所有指标类型#xff08;级大型指标、级小型指…topsis法能够充分利用原始数据的信息其结果能够精确地反应各个评价方案之间的差距
该模型对于数据的分布及样本含量没有严格的限制数据计算简单易行
以下是该模型的步骤
一、将原始矩阵正向化
就是将所有指标类型级大型指标、级小型指标、中间型指标、区间型指标统一转化成级大型指标转化的函数不唯一
二、正向化矩阵标准化
为了消除不同指标量纲的影响
三、计算每个指标的权重
用层次分析法或者熵权法
四、计算得分并且归一化
用向量来表示计算
z与最小值的距离/z与最大值的距离z与最小值的距离
五、基于熵权法对topsis模型的修正
1.介绍
熵权法是一种客观的赋权方法数据本身可以告诉我们权重
依据的原理指标的变异程度越小所反映的信息量也就越少其对应的权值也应该越低
2.如何度量信息量的大小——信息熵的引入
越有可能发生的事情信息量越少越不可能发生的事情信息量越大
用概率去衡量事情发生的可能性
定义I(x) - ln(p(x));
H(x) 求和符号[p(xi)I(x)];信息熵的本质就是对信息量的期望
随机变量的信息熵越大则他的值能给你补充的信息量就越大尔知道这个值前你已有的信息量就越少
3.熵权法的计算步骤
i将已经正向化、标准化的矩阵输入判断是否存在负数如果有要重新标准化到非负空间
i i计算第j项指标下第i个样本所占的比重并将其看作相对熵计算中用到的概率
i i i计算每个指标的信息熵接着计算信息效用值并归一化每个指标的熵权
信息熵ej -1/ln(n)求和符号[pij*ln(pij)]
信息效用值dj 1-ej. 信息效用值越大其对应的信息就越多
每个指标的熵权法wj dj / 求和符号[dj]. (将信息效用值进行归一化
4.对熵权法的一些理解
一些需要注意的事项
我们可以用指标的标准差来衡量样本的变异程度指标的标准差越大其信息熵就越小
若x,y指标来评定班上谁是三好学生x表示违纪档案的次数y表示逃课次数显然x所占权重应该更大但是熵权法来定义则会得到y所占权重更大因为x大家几乎都为零
