优略解距离法—Topsis模型【清风数模学习笔记】

层次分析法的局限性

（1）决策层不能太多

（2）数据已知，使用层次分析法不准确

构造计算评分

相较于取卷面理论上的最高分（100）和最低分（0），取分数区间上的最高和最低

扩展：增加指标个数

极大型指标：数值越大越好

极小型指标：数值越小越好

指标正向化：将所有指标转化为极大型

当指标类型不统一时，需要统一指标类型

标准化处理（多指标的处理）

用于消去量纲的差异，公式原理如下：

来自b友： 这个（求和号在根号里面）是欧式范数（也叫L2范数）归一化，如果把求和号提到根号外面，那就变成了曼哈顿（L1）范数归一化，本质上都是归一化的方法，所以不用太纠结

对于该题，可标准化为：

计算得分

公式的含义：

数学上的表示：

当D+=0时 可取最大值1

D-=0时，可取最小值0

该题的最后结果

小王：成绩倒数第一+争吵评分第一==综合第一

清风：成绩第一+争吵评分倒数第一==综合倒数第一

结合最初的数据 分析原因：

• 正向化后的争吵次数中最大值与最小值差值远大于成绩

• 而清风的争吵次数分数最低

总结做题步骤

第一步：将原始矩阵正向化

常见的四种指标:

正向化：将所有指标都转换为极大型

• 极小：max-x

• 中间型：越接近特定值越好

• • 

    有例子：

• 区间型：中间型的范围情况（左中间型+1+右中间型）

• • 

    这里M计算时的max和min需要注意：取得时所求数据中的最大值和最小值，例：

  • 

可以看出来：

• 极小型、中间型都是面向对应数值，

• 区间型面向“数组”

第二步：正向矩阵标准化

目的：消除不同指标量纲的影响

操作：每个元素，除以其所在列的L2范数

第三步：计算得分并归一化

先计算得分

所得最终值，S值越大，代表效果越好

最后进行归一化操作

练习题-评价河流水质情况

1 题目分析：

包含四种类型的指标，需要分别进行正向化处理

处理后的正向化矩阵可以放到论文的附录中

2 代码讲解

知识索引如下：

详见下一章节

3 模型扩展

针对章节中的习题，扩展到权重的设置

1. 层次分析法确定权重-->带权重的TOPSIS

2. 修改如下部分，其余不变：​​​​​​​

4 课后练习

代码优化：加入是否加入指标的权重判断

写作训练：结合层次分析法判断权重进行论文编写