熵权法讲课资料

一、熵权法介绍熵最先由申农引入信息论，目前已经在工程技术、社会经济等领域得到了非常广泛的应用。

熵权法的基本思路是根据指标变异性的大小来确定客观权重。

一般来说，若某个指标的信息熵越小，表明指标值得变异程度越大，提供的信息量越多，在综合评价中所能起到的作用也越大，其权重也就越大。

相反，某个指标的信息熵越大，表明指标值得变异程度越小，提供的信息量也越少，在综合评价中所起到的作用也越小，其权重也就越小。

二、熵权法赋权步骤1.数据标准化将各个指标的数据进行标准化处理。

假设给定了k个指标，其中。

假设对各指标数据标准化后的值为，那么。

2.求各指标的信息熵根据信息论中信息熵的定义，一组数据的信息熵。

其中，如果，则定义。

3.确定各指标权重根据信息熵的计算公式，计算出各个指标的信息熵为。

通过信息熵计算各指标的权重：。

三、熵权法赋权实例1.背景介绍某医院为了提高自身的护理水平，对拥有的11个科室进行了考核，考核标准包括9项整体护理，并对护理水平较好的科室进行奖励。

下表是对各个科室指标考核后的评分结果。

但是由于各项护理的难易程度不同，因此需要对9项护理进行赋权，以便能够更加合理的对各个科室的护理水平进行评价。

2.熵权法进行赋权1）数据标准化根据原始评分表，对数据进行标准化后可以得到下列数据标准化表表2 11个科室9项整体护理评价指标得分表标准化表根据信息熵的计算公式，可以计算出9项护理指标各自的信息熵如下：表3 9项指标信息熵表根据指标权重的计算公式，可以得到各个指标的权重如下表所示：表4 9项指标权重表3.对各个科室进行评分根据计算出的指标权重，以及对11个科室9项护理水平的评分。

设Z l为第l 个科室的最终得分，则，各个科室最终得分如下表所示表5 11个科室最终得分表。

熵权法（客观赋权法）超详细解析展开全文熵权法熵权法是一种客观赋权方法。

（客观= 数据本身就可以告诉我们权重）依据的原理：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。

文章目录•熵权法•o一、方法介绍o二、熵权法的计算步骤o三、模型扩展（★）o四、模型总结一、方法介绍熵权法就是根据一项指标的变化程度来分配权重的，举个例子：小张和小王是两个高中生，小张学习好回回期末考满分，小王学习不好考试常常不及格。

在一次考试中，小张还是考了满分，而小王也考了满分。

那就很不一样了，小王这里包含的信息就非常大，所对应的权重也就高一些。

上面的小例子告诉我们：越有可能发生的事情，信息量越少。

越不可能发生的事情，信息量就越多。

其中我们认为概率就是衡量事情发生的可能性大小的指标。

那么把信息量用字母 I \bf I I 表示，概率用 p \bf p p 表示，那么我们可以将它们建立一个函数关系：那么，假设 x 表示事件 X 可能发生的某种情况，p(x)表示这种情况发生的概率情况如上图所示，该图像可以用对数函数进行拟合，那么最终我们可以定义： I ( x ) = − ln ⁡ ( p ( x ) ) I(x) = -\ln(p(x)) I(x)=−ln(p(x))，因为0 ≤ p ( x ) ≤ 1 0 ≤ p(x) ≤ 1 0≤p(x)≤1，所以 I ( x ) ≥ 0 I(x) ≥ 0 I(x)≥0。

接下来引入正题：信息熵的定义假设 x 表示事件 X 可能发生的某种情况，p(x) 表示这种情况发生的概率我们可以定义: I ( x ) = − ln ⁡ ( p ( x ) ) I(x)=-\ln(p(x)) I(x)=−ln(p(x)) ，因为0 ≤ p ( x ) ≤ 1 0≤p(x)≤1 0≤p(x)≤1 ，所以I ( x ) ≥ 0 I(x)≥0 I(x)≥0 。

如果事件 X 可能发生的情况分别为: x 1 , x 2 , ⋯ , x n x_1,x_2,\cdots,x_n x1,x2,⋯,xn ，那么我们可以定义事件 X X X 的信息熵为：H ( X ) = ∑ i = 1 n [ p ( x i ) I ( x i ) ] = −∑ i = 1 n [ p ( x i ) ln ⁡( p ( x i ) ) ] H(X)=\sum_{i=1}^{n}[p(x_i)I(x_i)]=-\sum_{i=1}^{n}[p(x_i)\ln(p(x_i))] H(X)=i=1∑n[p(xi)I(xi)]=−i=1∑n [p(xi)ln(p(xi))]那么从上面的公式可以看出，信息上的本质就是对信息量的期望值。

【精品】熵权法熵权法是一种基于熵（信息熵或香农熵）的多指标决策方法，该方法可以评估每个指标的重要性，并确定最佳决策方案。

熵在信息论中用来表示数据中的不确定性程度，也可以用来度量指标之间的差异程度，进而确定最优解。

熵权法适用于评估复杂系统的各种指标，并可以帮助决策者在决策过程中更全面、客观地了解系统的状况。

熵权法的基本思想是，在给定的指标集合中选择具有最大差异性的指标作为最佳指标，从而确定系统的最佳状态或最优解。

在熵权法中，通过求解熵值和权重实现了对指标的排序和评价。

具体内容如下：1. 熵值的计算熵值反映了指标之间的差异程度，其值越大，指标之间的差异程度越大，反之则差异程度越小。

在熵权法中，我们需要计算每个指标的熵值，以此来确定每个指标的重要性。

假设有n个样本，m个指标，则第i个指标的熵值可以表示为：$ E_i=-\sum_{j=1}^{n}{p_{ij}\log_2p_{ij}} $其中，$ p_{ij} $表示第i个指标在第j个样本中的比重。

权重是指标在整个指标集合中的重要程度，其越大表示该指标对整个指标集合的影响越大。

在熵权法中，我们需要计算每个指标的权重，以此来评估每个指标的重要性。

其中，$ E_i $为第i个指标的熵值，$ \sum_{j=1}^{m}E_j $为指标集合的熵值之和。

根据以上公式，我们可以计算出每个指标的熵值和权重，并进行指标排序和评价。

3. 实例分析为了更好地理解熵权法的应用，我们可以以某电子产品公司的产品选型为例进行分析。

假设该公司正在开发一款新的产品，并需要在多个指标（如价格、功能、品质、颜色等）之间进行权衡和取舍。

为了确定最佳的决策方案，该公司采用熵权法进行了分析与评价。

下图是该公司对几个主要指标的熵值计算结果：指标 | 价格 | 功能 | 品质 | 颜色-----|-----|-----|-----|-----熵值 | 0.235 | 0.183 | 0.142 | 0.124由上表可知，价格这一指标的熵值最大，说明该指标在整个指标集合中的差异程度最大，因此价格是最重要的一个指标。

熵值法的原理及实例讲解讲解学习熵值法1.算法简介熵值法是一种客观赋权法,其根据各项指标观测值所提供的信息的大小来确定指标权重。

设有m 个待评方案，n 项评价指标，形成原始指标数据矩阵n m ij x X ?=)(，对于某项指标j x ，指标值ij X 的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。

在信息论中，熵是对不确定性的一种度量。

信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性就越大，熵也越大.根据熵的特性，我们可以通过计算熵值来判断一个方案的随机性及无序程度，也可以用熵值来判断某个指标的离散程度，指标的离散程度越大，该指标对综合评价的影响越大！因此，可根据各项指标的变异程度，利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据！2.算法实现过程2.1 数据矩阵mn nm n m X X X X A ?????? ??=ΛM M M Λ1111其中ij X 为第i 个方案第j 个指标的数值2.2 数据的非负数化处理由于熵值法计算采用的是各个方案某一指标占同一指标值总和的比值，因此不存在量纲的影响，不需要进行标准化处理，若数据中有负数，就需要对数据进行非负化处理！此外，为了避免求熵值时对数的无意义，需要进行数据平移：对于越大越好的指标：m j n i X X X X X X X X X X X nj j j nj j j nj j j ij ij ,,2,1;,,2,1,1),,,min(),,,max(),,,min(212121'ΛΛΛΛΛ==+--=对于越小越好的指标：m j n i X X X X X X X X X X X nj j j nj j j ij nj j j ij ,,2,1;,,2,1,1),,,min(),,,max(),,,max(212121'ΛΛΛΛΛ==+--=为了方便起见，仍记非负化处理后的数据为ij X2.3 计算第j 项指标下第i 个方案占该指标的比重),2,1(1m j XX P n i ijijij Λ==∑= 2.4 计算第j 项指标的熵值1e 0,ln 10ln ,0,)log(*1≤≤=≥>-=∑=则一般令有关，与样本数。