熵权法模型(评价类问题)

一. 概念

利用信息熵计算各个指标的权重,从而为多指标的评价类问题提供依据。

指标的变异程度越小,所反映的信息量也越少,所以其对应的权值也应该越低。

指标的变异程度(或称为变异性、波动性):描述了一个指标在不同观测值之间的差异程度或分散程度。简单来说,它反映了数据的分布宽度和离散情况。

也即如果一个指标的波动性越小,说明该指标对最终结果的影响理应越小,也即其对应权值更低。

信息熵公式:

  • :表示随机变量 的熵。熵衡量了随机变量的不确定性或信息量。熵越大,随机变量的不确定性越高。
  • :随机变量 的一种取值情况。
  • :随机变量 取值为 的概率。每个 都有一个与之对应的概率 。
  • : 的二进制对数。对数的底数为 2,因此它表示的是以比特为单位的信息量。具体来说, 衡量了事件 发生时的信息量。

由于概率 总是介于 0 和 1 之间, 会是一个负数。负号保证了整个熵的值为正数。

这个公式通过对所有可能取值的信息量加权求和,衡量了随机变量 的不确定性。熵值越大,说明随机变量 的不确定性越高。

二. 特点

熵权法是一种客观的赋权方法,它可以靠数据本身得出权重,避免了主观因素的介入。

三. 实现步骤

1. 标准化

消除量纲的影响。将所有的指标转变为0到1之间的数。

相关推荐
数字新视界11 小时前
数据中心DCIM管理系统助力提升机房管理效率与安全性
大数据·人工智能·物联网·信息与通信·动环监控系统
阿里云大数据AI技术12 小时前
孩子王基于阿里云Data Agent的智能体实践:300+Agent 覆盖400+业务场景
大数据·人工智能·agent
武子康14 小时前
H3-World 扩展跳跃与开门:新动作怎样进入训练数据?
大数据·人工智能·算法
软件技术NINI15 小时前
DeepSeek 大模型落地应用实战指南
大数据·人工智能
wuyk55517 小时前
Spider-第11讲-工程化改造与可维护性
大数据·爬虫·elasticsearch·搜索引擎
机器学习之心18 小时前
物理信息神经网络与扩展物理信息神经网络(PINN/XPINN)求解功能梯度材料稳态—瞬态热传导,MATLAB代码
matlab·物理信息神经网络
墨林陌19 小时前
AI 热点日报(2026-11-16):黄仁勋或重返英伟达,华为发具身世界模型,ChatGPT Wallet打通支付
大数据
starzy199019 小时前
Structured Streaming 结构化流概述:把流数据当作一张无限增长的表
大数据·spark
wuyk55519 小时前
Spider-第12讲-asyncio异步并发爬取
大数据·爬虫·elasticsearch·搜索引擎
筑梦之人20 小时前
Elasticsearch 9.x 从入门到精通(4/7):聚合分析与文本分析
大数据·elasticsearch·jenkins