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!