大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
根据各个指标获得综合指标时，由于各个指标对综合指标的贡献度不同，相应权重也应不同，对综合指标贡献大的指标更重要，应该分配更大的权重。如何确定各个指标的权重，这里介绍两种方法：熵值法和pca确定权重。也可用于特征工程中确定特征权重。
一、熵值法
1、熵的概念
信息论中，熵是对随机变量不确定性的度量。熵值越小，无序程度越小，不确定性越小，信息量越大；熵值越大，无序程度越大，不确定性越大，信息量越小。可用熵值计算特征的离散程度，离散程度大的特征对综合值影响更大。
熵值大，信息量小，权重应该小；熵值小，信息量大，权重应该大。
熵的计算公式
2、熵值法确定权重
| 指标1 | 指标2 | …… | 指标m |
| … | … | … | … |
确定指标1到指标m的权重
指标值不同取值的出现次数相差大，熵小，信息量大，权重应大；指标值不同取值的出现次数相差小，熵大，信息量小，权重应小。
当m个指标值完全相同时，熵最大，可移除该指标。
熵值法确定权重的步骤：
1、归一化
对指标值进行归一化，归一化时，应考虑指标值的影响
当指标值越大越好时，可使用公式
x=(x-xmin)/(xmax-xmin)
当指标值越小越好时，可使用公式
x=(xmax-x)/(xmax-xmin)
2、定义熵
m个指标，n个被评价对象
第i个指标
3、定义熵权
二、pca确定权重
pca是一种无监督的降维方法，pca通过线性变换将原来可能相关的n个向量变换成线性无关的k维向量。用pca确定权重系数需要知道三个条件：
- 指标在各主成分线性组合中的系数
- 主成分的方差贡献率
- 指标权重的归一化
ex：n个主成分，m个指标
w表示各主成分的系数，wij表示第一个主成分第j个指标的系数，fi表示第一个主成分的方差贡献率
则第q个指标的权重为
归一化
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/167966.html原文链接：https://javaforall.net
