[评价体系] 1、数据规范化/无量纲化方法

目录

1 数据格式

2 不同属性类型的指标规范化方法

2.1 效益型指标:即该指标越大越好

2.2 成本型指标:即该指标越小越好

2.3 固定型/中间型指标:在某个固定值处最好

2.4 区间型指标:有最佳区间

2.5 偏离区间型:偏离某个区间越远越好

2.6 偏离固定值型:偏离某个固定值越远越好

3 相同属性类型指标的规范化方法

3.1 归一化方法

3.2 最大化方法

3.3 模一化方法


1 数据格式

假设一份数据有n个个案(横),m个属性(纵),数据格式如下:

属性x1 属性x2 ... 属性xm
id1
id2
...
idn

用矩阵的形式表示(也称“决策矩阵”):

A=\begin{bmatrix} a_1_1 & a_1_2& ... & a_1_m\\ a_2_1 & a_2_2& ... & a_2_m\\ ...& ... & ... &... \\ a_n_1 & a_n_2& ... & a_n_m \end{bmatrix}

2 不同属性类型的指标规范化方法

理解:即x1、x2、x3不同属性类型,如x1单位为万元,x2单位为千克,x3单位为万人,这种情况比较多见。

2.1 效益型指标:即该指标越大越好

对某个效益型属性指标x_j,令

r_i_j=\frac{a_i_j}{max_i(a_i_j)}  或

r_i_j=\frac{a_i_j-min_i(a_i_j)}{max_i(a_i_j)-min_i(a_i_j)} , i=1,2,...,n

该方法规范化的结果是将效益型指标转化为(0,1] 或 [0,1] 型无量纲效益型指标。

  • 1
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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

禾木页

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