熵权法原理浅析
层次分析法最大的缺点就是判断矩阵的确定依赖于专家,如果专家的判断存在主观性的话,会对结果产生很大的影响,而熵权法是一种客观赋权的方法,依据的原理是指标的变异程度越小,所反映的信息量也越少,其对应的权值也应该越低。(这里的客观指的是数据本身可以给定我们的权重)
举一个极端的例子,如果对于所有样本而言,这个指标的所有数值都是一样的,那么我们可以认为此指标的权重为0,即此指标不会对我们起任何作用
其中信息熵的大小所代表的含义个人认为是这样:随机变量的信息熵越大表示它的值能给你补充的信息越多,而反过来,你已知的信息就越少
熵权法的计算步骤
第一步:判断输入的矩阵中是否存在负数,如果有则要重新标准化到非负区间
首先假设已经正向化后的矩阵为 X X X, X = ( x 1 , 1 x 1 , 2 ⋯ x 1 , m x 2 , 1 x 2 , 2 ⋯ x 2 , m ⋮ ⋮ ⋱ ⋮ x n , 1 x n , 1 ⋯ x n , m ) X=\begin{pmatrix} x_{1,1}&x_{1,2}&\cdots&x_{1,m}\\x_{2,1}&x_{2,2}&\cdots&x_{2,m}\\ \vdots&\vdots&\ddots&\vdots\\ x_{n,1}&x_{n,1}&\cdots&x_{n,m} \end{pmatrix} X=⎝⎜⎜⎜⎛x1,1x2,1⋮xn,1x1,2x2,2⋮xn,1⋯⋯⋱⋯x1,m