熵值确定权重法(熵权法求出的权重能干啥),本文通过数据整理汇集了熵值确定权重法(熵权法求出的权重能干啥)相关信息，下面一起看看。

引言在构建指标评价体系时，如何确定各指标的权重是一个常见的问题，这方面的理论已经非常成熟。通常我们可以将其分为三类：主观赋权法、客观赋权法和组合赋权法。这里要讲的熵权法是客观赋权法中常用的一种方法。它是由样本数据直接计算出来的，不受主观因素的影响，更符合数据分析的方式。

言归正传，介绍一下熵权法。

熵权法熵权法，首先得从熵说起。熵的概念最早源于物理学，用于度量热力学系统中的无序程度。后来在信息论中发展为度量系统的不确定性。系统可能处于许多不同的状态。假设每个状态的概率为，系统的熵定义为：

我们来看一个特例。当系统只有两个状态时，熵变化如下：

##曲线plot curve(-x * log2(x)-(1-x)* log2(1-x)，xlab='p '，ylab='熵'，lwd=2)

可以看出，当两个状态的概率相等时，熵最大，而当其中一个状态的概率接近1时，熵最小。由于熵的这一性质，它有许多应用，例如，在决策树中，它被用来度量不纯和生成新的分支。在这里，它用于确定指标的权重。

一般步骤熵权法确定指标权重的一般步骤：

1获取样本数据，包括p个指标、m个样本和数据矩阵。

2计算第j个指数下第I个样品的比重矩阵。

3计算第j个指数的熵。

4计算第j个指数的熵权。

权重确定后，可以通过加权计算出综合指数。

示例在案例数据中使用asdat数据集，尝试使用熵值法计算每个玩家的综合得分。直接装载代码：

库(dplyr)#计算综合得分#第1名。对数据进行归一化，对每个指标进行分级my fun-function(x)(x-min(x))/(max(x)-min(x))* 9 1 datM-select(asdat，PTS:WR)% % mutate _ all(my fun)% % as . matrix #行为项(即样本数)列为指标m-nrow(datM)n-ncol(datM)#2nd .计算比重矩阵p _ ij-apply (x=datm，marg FUN=function(x)x/sum(x))# 3rd。计算第j个指数的熵k-1/log (m) e _ j-apply (x=p _ ij，margin=2，Fun=function(x)-k * sum(x * log(x))# 4rd。计算熵权w_j-(1-e _ j)/sum(1-e _ j)cat(' Weight:'，w _ j，' T ')# # Weight:0.3919 0.3966 0.2113 # #综合评分库(knitter)asdat $ score-datm % * % w _ j % % round(2)% % drop arrange(asdat，desc (score))%% head (10

作者比较懒，直接用以前的案例数据来分析，太生硬了。你可能还会发现，这三个指标的per值本身就是一个综合指标。或许直接用常规统计会更好，留给读者自己去尝试~ ~ ~不过话说回来，我真的为利拉德感到很委屈。乍一看，他是综合得分前十中唯一一个没进全明星的。

这个网站是个人知识管理的网络存储空间。所有内容均由用户发布，不代表本站观点。请注意甄别内容中的联系方式、诱导购买等信息，谨防诈骗。如发现有害或侵权内容，请一键举报。

更多熵值确定权重法(熵权法求出的权重能干啥)相关信息请关注本站，本文仅仅做为展示！