一文速学数模-评价模型(二)熵权法实战确定评价指标权重

目录

前言

一、熵权法介绍

二、使用步骤

1.数据预处理

 2.计算指标信息熵

 3.相关代码

 三、实例运用

 四、总结

优点

缺点

适用范围

---

前言

博主参与八次数学建模大赛，其实数学建模和大数据分析有很多相似之处，可以说差不多是共通的。经历了这么多次比赛个人总结一些建模必备的数据分析方法是必须要完全掌握。本篇博客的愿景是希望我或者读者通过阅读这篇博客能够学会熵权法方法并能实际运用，而且能够记录到你的思想之中。当然个人不是数学专业对一些专业性的知识可能不是很了解，希望读者看完能够提出错误或者看法，博主会长期维护博客做及时更新。纯分享，希望大家喜欢。

---

一、熵权法介绍

在确定各项评价指标权重的算法中，熵权法在很多评价法作为计算指标权重的一只核心基础算法，如秩和比综合评价法RSR或是优劣解距离法TOPSIS。易于理解的话来讲，熵权法就是看该指标数据是否相对集中或是相对离散，要是基本上都差不多的数据，那么这些数据熵就很小，比较集中。说明在这个指标上面体现不出样本的差异性，导致这个指标并不是那么重要。所以该指标权重就小，相反数据差距很大，权重就大。

熵值法根据信息熵的定义，对于某项指标，可以用熵值来判断某个指标的离散程度，其信息熵值越小࿰