熵权法 —— matlab

目录

一、熵权法介绍

二、熵权法赋权步骤

1.指标正向化

mapminmax介绍

2.数据标准化

3.计算信息熵

4.计算权重以及得分

三、实例分析

1.读取数据

2.指标正向化

2.1 越小越优型处理

2.2 某点最优型指标处理

3.数据标准化

4.计算信息熵

5.计算权重

6.计算得分

总结

---

一、熵权法介绍

熵权法是一种客观赋值方法。在具体使用的过程中，熵权法根据各指标的变异程度，利用信息熵计算出各指标的熵权，再通过熵权对各指标的权重进行修正，从而得到较为客观的指标权重。

一般来说，若某个指标的信息熵指标权重确定方法之熵权法越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。

相反，若某个指标的信息熵指标权重确定方法之熵权法越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

二、熵权法赋权步骤

1.指标正向化

这个步骤视情况自己决定把。。。。

        不同的指标代表含义不一样，有的指标越大越好，称为越大越优型指标。有的指标越小越好，称为越小越优型指标，而有些指标在某个点是最好的，称为某点最优型指标。为方便评价，应把所有指标转化成越大越优型指标。

设有m个待评对象，n个评价指标，可以构成数据矩阵 

设数据矩阵内元素，经过指标正向化处理过后的元素为  (Xij)'

• 越小越优型指标：C,D属于此类指标

其他处理方法也可，只要指标性质不变即可

• 某点最优型指标：E属于此类指标

        设最优点为a, 当a=90时E最优。

          其他处理方法也可，只要指标性质不变即可

• 越大越优型指标：其余所有指标属于此类指标

   此类指标可以不用处理，想要处理也可，只要指标性质不变

mapminmax介绍

最大最小值归一化

语法

[Y,PS] = mapminmax(X,YMIN,YMAX)
[Y,PS] = mapminmax(X,FP)
Y = mapminmax('apply',X,PS)
X = mapminmax('reverse',Y,PS)

说明：

[Y,PS] = mapminmax(X,YMIN,YMAX)