python实现CRITIC方法

最新推荐文章于 2023-10-29 17:31:44 发布

七玄桐

最新推荐文章于 2023-10-29 17:31:44 发布

阅读量2.1k

点赞数

分类专栏：决策文章标签： python

本文链接：https://blog.csdn.net/weixin_44014836/article/details/123928013

版权

决策专栏收录该内容

19 篇文章 23 订阅

订阅专栏

一个很简单的CRITIC方法python实现，通常用来确定属性权重的标准重要性。除了不要求属性的独立性外，CRITIC方法还反映了属性之间的相关系数。主要步骤为
1、标准化决策矩阵，可以有很多种方法。对于一个标准矩阵W，有

$\begin{aligned} y_{ij}=\frac{x_{ij}-\underset{i}{\min}(x_{ij})}{\underset{i}{\min}(x_{ij})-\underset{i}{\min}(y_{ij})},i=1,2,\cdots,m, j=1,2,\cdots,n \end{aligned}$

2、计算属性间j,k的相关系数。

$\begin{aligned} \eta_{jk}=\frac{\sum_{i=1}^m(y_{ij}-\bar{y}_j)(y_{ik}-\bar{y}_k)}{\sqrt {\sum_{i=1}^m(y_{ij}-\bar{y}_j)^2\sum_{i=1}^m(y_{ik}-\bar{y}_k)^2}} \end{aligned}$
3、计算每个属性的标准偏差。

$\begin{aligned} s_j=\sqrt {\frac{1}{m-1}\sum_{i=1}^m(y_{ij}-\bar{y}_j)^2}, j=1,2,\cdots,n \end{aligned}$

4、计算属性的偏离度

$\begin{aligned} C_j=s_j \sum_{k=1}^n(1-\eta_{jk}), j=1,2,\cdots,n \end{aligned}$

5、获得属性权重

代码如下

# coding=gbk
import pandas as pd
import numpy as np

if __name__ == '__main__':
    df = pd.DataFrame([[1, 0.875, 0.625, 0.75, 0.625],
          [0.571, 0.857, 0.714, 0.857, 1],
          [1, 0.4, 0.6, 0.7, 0.6],
          [0.25, 0.75, 0.875, 1, 0.75]])
    std_d=np.std(df,axis=1)
    mean_d=np.mean(df,axis=1)
    cor_d=np.corrcoef(df)
    w_j=(1-cor_d).sum(0) *std_d
    print(w_j)
    w=(mean_d/(1-mean_d)*w_j)/sum(mean_d/(1-mean_d)*w_j)
    print(w)

七玄桐

关注

0
点赞
踩
17

收藏

觉得还不错? 一键收藏
0
评论
python实现CRITIC方法

一个很简单的CRITIC方法python实现，通常用来确定属性权重的标准重要性。除了不要求属性的独立性外，CRITIC方法还反映了属性之间的相关系数。主要步骤为1、标准化决策矩阵，可以有很多种方法。对于一个标准矩阵W，有2、计算属性间j,k的相关系数。3、计算每个属性的标准偏差。4、计算属性的偏离度5、获得属性权重代码如下# coding=gbkimport pandas as pdimport numpy as npif __name__ == '_
复制链接

扫一扫