写在前面
在bilibili上听“数学建模学习交流”课程的一些笔记
网址:
https://www.bilibili.com/video/BV1DW411s7wi?p=3
Topsis
一种常用的综合评价方法 ,根据有限个评价对象与理想化目标的接近程度进行排序的方法,是在现有的对象中进行相对优劣的评价。
归一化评分 :
其中x是对象的某属性取值 ; min,max 分别是该数据集中该属性的最高值和最低值
指标 :
极大型指标 : 效益,利润等 ;(数值越大越好)
极小型指标 : 成本等 ; (数值越小越好)
统一指标类型(还没有归一化后的指标) :
指标正向化(将非极大型的指标变成极大型的指标) :
具体参考 :
https://blog.csdn.net/weixin_45615071/article/details/105796782
标准化处理 (消去不同指标量纲的影响)
假设有n个评价的对象,m个评价指标(已经正向化)构成的正向化矩阵如下 :
那么对于标准化矩阵Z , Z中每个元素z_{ij} :
matlab代码 :
X %矩阵 ;
[n,m] = size(X)
X ./ repmat(sum(X.*X) .^ 0.5 , n , 1) %标准化矩阵
不过相比于写代码,我更喜欢用spss上点点点的傻瓜操作
多指标归一化 :
在标准化后的 Z , 归一化后 , 得到的 新 矩阵 S
d_{ij}^{+}是z_{ij} 与 Z的最大值的距离
d_{ij}^{-}是z_{ij} 与 Z的最小值的距离
Z的最大值的定义 :
Z的最小值的定义 :
因此 : (i = 1 , 2 , …… , n )