熵权法模型

 

 

import numpy as np
#定义一个自定义的对数函数mylog，用于处理输入数组中的零元素
def mylog(p):
    n=len(p)
    lnp=np.zeros(n)
    for i in range(n):
        if p[i]==0:
            lnp[i]=0
        else:
            lnp[i]=np.log(p[i])
    return lnp

#定义一个指标矩阵X
X=np.array([[9,0,0,0],[8,3,0.9,0.5],[6,7,0.2,1]])
#对矩阵X进行标准化处理，得到标准化矩阵Z
Z=X/np.sqrt(np.sum(X*X,axis=0))
print("标准化矩阵Z=")
print(Z)
#计算熵权所需的变量和矩阵初始化
n,m=Z.shape
D=np.zeros(m)

#计算每个指标的信息效用值
for i in range(m):
    x=Z[:,i]
    p=x/np.sum(x)#归一化处理
    e=-np.sum(p*mylog(p)/np.log(n))
    D[i]=1-e
W=D/np.sum(D)
print("权重W=")
print(W)