基于SPSSPRO实现层次分析法(AHP)

层次分析法,简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。(摘自百度百科)

层次分析法有着广泛使用,涉及到的平台也多种多样,今天我们以SPSSPRO平台为例,来实现层次分析法。

平台介绍:

SPSSPRO(Scientific Platform Serving for Statistics Professional)“专业、科学的数据分析平台”,是一款区别于SPSS、SAS传统客户端模式的全新在线数据分析平台。(摘自官网产品介绍)具有强大的数据处理功能、支持多样算法分析、并可以出具详细的分析报告。

按照惯例,我们先给出网址:https://www.spsspro.com/

1.层次分析法(简化版)

在简化版中,平台舍弃了对于方案层的层次总排序,如果需要进行层次总排序,请跳过本段,直接看专业版说明。

下面,我们直接进入实操环节:

①我们选择AHP层次分析法简化版分析,构建判断矩阵。

这里我们以经典的出行问题为例,选择景色、费用、住宿、饮食和旅途5个指标,人为地构建判断矩阵,输入结果如下:

填写指南中也给出了标度及含义,可以辅助填写

完成矩阵的构建,我们点击右下角的开始分析,进行分析计算。

②查看分析结果

AHP层次分析法结果:主要展示各指标特征向量、权重值及最大特征根和CI值的取值情况。

一致性检验结果:主要用于判断矩阵构建的合理性,若未能通过一致性检验,则需要重新提交矩阵。

③报告输出:

参考资料:https://bbs.spsspro.com/news/52

2. 层次分析法(专业版)

在专业版里面,SPSSPRO 健全对方案层的层次总排序,如不需层次总排序,请看上文简化版的说明。

参考资料:

https://bbs.spsspro.com/news/53

按照惯例,我们先给出网址:

https://www.spsspro.com/

①构建决策模型

②指标打分

③方案打分

④结果输出:

方案得分:

判断矩阵:

方案层判断矩阵汇总结果:

  • 1
    点赞
  • 23
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
决策树和AHP层次分析法是两种不同的决策方法,我可以为你介绍它们的代码实现。 首先是决策树的代码实现。决策树是一种基于树结构的分类和回归算法,常用于解决分类和回归问题。以下是一个简单的决策树分类的Python代码示例: ```python from sklearn import datasets from sklearn.tree import DecisionTreeClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 加载数据集 iris = datasets.load_iris() X = iris.data y = iris.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) # 创建决策树分类器 clf = DecisionTreeClassifier() # 训练模型 clf.fit(X_train, y_train) # 预测 y_pred = clf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("准确率:", accuracy) ``` 接下来是AHP层次分析法的代码实现AHP层次分析法是一种用于多准则决策的方法,它将问题分解为多个层次,通过对比不同层次的准则权重来进行决策。以下是一个简单的AHP层次分析法的Python代码示例: ```python import numpy as np # 构建判断矩阵 judgment_matrix = np.array([[1, 3, 5], [1/3, 1, 2], [1/5, 1/2, 1]]) # 计算权重 eigenvalues, eigenvectors = np.linalg.eig(judgment_matrix) weights = eigenvectors[:, np.argmax(eigenvalues)] # 归一化权重 weights /= np.sum(weights) # 输出权重 for i, weight in enumerate(weights): print("准则{}的权重:{}".format(i+1, weight)) ``` 以上是决策树和AHP层次分析法的简单代码实现示例。如果你有更具体的问题或者需要更复杂的实现,可以提供更多详细的要求。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

角砾岩队长

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值