【数据综合评价方法盘点】从原理到实践（十二）十一种方法的对比总结

本文链接：https://blog.csdn.net/maoyu_dual/article/details/145530400

十一种方法的对比总结

方法名称	原理	数据要求	权重确定	计算复杂度	结果客观性	适用场景
主成分分析法	通过线性变换将多个相关变量转化为少数几个互不相关的主成分，按方差大小排序，保留大部分信息实现降维	需要一定数量样本数据，数据最好服从正态分布	由算法基于数据内在结构和方差贡献自动确定	较高，涉及矩阵运算，如求特征值和特征向量	较高，基于数据本身结构确定权重和分析结果	数据维度高，需简化数据结构、提取主要信息，如市场调研数据降维分析
因子分析法	研究变量相关性，将多个相关变量归结为少数公共因子，假设原始变量由公共因子和特殊因子构成，通过分析确定因子载荷和得分	需要一定数量样本数据，对数据分布有一定要求，近似正态分布更好	由算法基于数据相关性分析确定，如通过对相关系数矩阵分解	高，涉及复杂矩阵运算和迭代计算，如求解因子载荷矩阵	较高，基于数据相关性确定，但旋转方法等存在一定主观性	适用于多变量数据，挖掘潜在结构和公共因子，如消费者行为多因素分析
模糊综合评价法	借助模糊数学理论，将边界模糊因素量化，构建模糊关系矩阵，结合权重进行模糊合成运算，确定评价对象在不同评价等级上的隶属程度	对数据分布无严格要求，需明确评价指标和评语集，以及构建模糊关系矩阵的数据	可通