数学建模学习笔记之———熵权法

1、前言

熵权法就是我们利用熵来描述信息权重，在我的印象里本科课程信息论里面学到过信息熵的知识，熵是描述一个信息所包含信息价值的多少，比如我告诉你明天太阳东起西落，那你会觉得我说的这个人尽皆知那这条信息的信息熵就小，那我告诉你XXX和XXX谈了，那你肯定很乐意听我继续说下去，那这个消息它信息熵就大，下面给出大佬对熵权法的定义：

熵权法是一种客观的赋权方法，他可以靠数据本身得出权重。

而熵权法依据的原理就是我们说的信息熵的概念，但也不完全是：

指标的变异程度越小，所反映的信息量越少，其对应的权重应该越低。

在这里向有机会看这篇笔记的佬问个问题，某站老师上课讲的时候说熵值可以用来判断某个指标的离散程度，但恩师给的结论是单个指标的离散程度越大（数据差值）则熵值越小。我在想，离散程度越大那说明这个指标对最终决策的影响不就大嘛，那这个指标能得到的信息量不就多吗，那不应该熵值越大嘛？（在这里求求了）

2、熵权法基本步骤

1.先按照TOPSIS法进行正向化（就是那个极大型极小型那个表）。

2.数据标准化

对数据标准化的矩阵记为Z，则，如果Xij存在负数，则标准化矩阵为：

3.计算概率矩阵P：

计算第j项指标下第i个样本所占的比重

4.计算熵权值

其中dj为信息效用值，效用值越大权重越大，对于评价选择来说，到这里就可以得出结果了。

3、结尾

继续坚持，继续学习！