熵权法/变异系数法（原理+代码）

熵权法-介绍

例：相亲问题

为每一个属性分配权重，采用层次分析法（主观）
若想要权重避免主观，采用熵权法

概率与信息量关系

信息熵与信息量的关系

熵权法-定义

信息熵的定义

信息熵的定性分析

以渣男和老实人出轨举例

没有引用抽烟时，信息熵为1，因为男性和女性各占50%；引用之后信息熵变为0.5477.

正向化处理

区间型指标转化方法：

中间型指标转化方法：

标准化处理

计算各个指标下每个样本的比重

计算信息熵和熵权

应用

代码

代码所用表格如下：

%clear;clc;%X = [89,1; 60,3; 74,2; 99,0]
%X=[99;100;98;97]
%X=[0.030;0.028;0;0.007]
%X=[99,0.030;100,0.028;98,0;97,0.007]
%X=[99,0.010;100,0.012;98,0.040;97,0.033]
%X = [35.2;35.8;36.5;37.2;38.0]
%X = [0.6;0.75;0.89;0.95]
%X = [180;175;170;185;190]
%X = [60;90;95;81;79]
X = xlsread('blind date.xlsx');
%% 正向化
disp('***************正在进行正向化...***************');
vec = input('请输入要正向化的向量组，请以数组的形式输入，如[1 2 3]表示1，2，3列需要正向化，不需要正向化请输入-1\n') %注意输入函数这里是单引号
if (vec ~= -1)
    for i = 1 : size(vec,2)
        flag = input(['第' num2str(vec(i)) '列是哪类数据(【1】:极小型 【2】：中间型 【3】：区间型)，请输入序号：\n']);
        if(flag == 1)%极小型
           X(:,vec(i)) = Min2Max(X(:,vec(i)));
        elseif (flag == 2) % 注意这里的else和if是连在一起的
            best = input('请输入中间型的最好值：\n');
            temp = X(:,vec(i));
            X(:,vec(i)) = Mid2Max(X(:,vec(i)), best);
        elseif (flag == 3)
            arr = input('请输入最佳区间，按照“[a,b]”的形式输入：\n');
            X(:,vec(i)) = Int2Max(X(:,vec(i)), arr(1), arr(2));
        end
    end
    disp('所有的数据均已完成正向化！')
end
%% 标准化
disp('***************正在进行标准化...***************');
[n,m] = size(X);
% 先检查有没有负数元素
isNeg = 0;
for i = 1 : n
    for j = 1 : m
        if(X(i,j) < 0)
            isNeg = 1;
            break;
        end
    end
end
if (isNeg == 0)
    squere_X = (X.*X);
    sum_X = sum(squere_X,1).^0.5; %按列求和,再开方
    stand_X = X./repmat(sum_X, n, 1);
else
    max_X = max(X,[],1); %按照列找出最大元素
    min_X = min(X,[],1); %按照列找出最小元素
    stand_X = X - repmat(min_X,n,1) ./ (repmat(max_X,n,1) - repmat(min_X,n,1));
end
disp('标准化完成！')
%% 计算样本概率、信息熵和熵权
disp('***************正在用熵权法确定权值...***************');
P = stand_X ./ repmat(sum(stand_X),n,1);
% 由于ln(0)没有定义，所以我们需要人为的把概率为0的手动指定为一个接近与0的数
for i = 1 : n
    for j = 1 : m
        if(P(i,j) == 0)
            P(i,j) = 0.00001;
        end
    end
end
H_x = sum(-P .* log(P)); %注意在MATLAB中，想要算ln(x)应该输入log(x);想要算lg(x)则应该输入log10(x)
e_j = H_x ./ log(n);
d_j = 1 - e_j;
%进行归一化，获得熵权
disp('熵权完成，权值为：');
w = d_j ./ sum(d_j)

区间型转极大型：

%% 区间型转极大型，传入参数为待正向化的向量，返回为正向化后的结果
function [res] = Int2Max(X, a, b)  
   M =  max(a - min(X), max(X) - b);
   for i = 1 : size(X)
       if(X(i) < a)
           X(i) = 1 - (a - X(i))/M;
       elseif (X(i) >= a && X(i) <= b)
           X(i) = 1;
       elseif (X(i) > b)
           X(i) = 1 - (X(i) - b)/M;
       end
   end
   res = X;
end

中间型转极大型：

%% 中间型转极大型，传入参数为待正向化的向量，返回为正向化后的结果
function [res] = Mid2Max(X, best)
   M =  max(abs(X - best));
   res = 1 - abs(X - best)/M;
end

极小型转极大型：

%% 极小型转极大型，传入参数为待正向化的向量，返回为正向化后的结果
function [res] = Min2Max(X)
   res = max(X) - X;
end