首页 > 学术百科

【综合评价方法变异系数权重法】指标权重确定方法之变异系数权重法

【综合评价⽅法变异系数权重法】指标权重确定⽅法之变异系数权重法

变异系数法是直接利⽤各项指标所包含的信息，通过计算得到指标的权重。是⼀种客观赋权的⽅法。此⽅法的基本做法是：在评价指标体系中，指标取值差异越⼤的指标，也就是越难以实现的指标，这样的指标更难反映被评价单位的差距。

由于评价指标体系中的各项指标的量纲不同，不宜直接⽐较其差别程度。为了消除各项评价指标的量纲不同的影响，需要⽤各项指标的变异系数来衡量各项指标取值的差异程度。各项指标的变异系数公式如下：

算法步骤总结：

1、先计算每个指标的所有平均值，标准差

2、然后计算每个指标的变异系数。

3、然后计算每个指标的权重。

4、然后计算每个部落的总分。

5、然后对总分进⾏max-min归⼀化。

6、然后将总分值映射成0-100之间的分数作为部落的热度值。

2012金瓶梅

7、然后对所有热度值从⼤到⼩排序。

变异系数确定权重源代码实现：

# -*- encoding=utf-8 -*-

import pandas as pd

import numpy as np

# ⾃定义归⼀化函数

def autoNorm(data):

"""

:param data: 列表

:return: 归⼀化列表

"""

arr = np.asarray(data)

norm_list=[]

for x in arr:

x = round(float(x - np.min(arr)) / ((np.max(arr) - np.min(arr))+0.001),4) norm_list.append(x)

加权return norm_list

# ⾃定义热度值计算函数

def get_hot_value(context_train_data):

"""

亡命刺客

天下名站:param context_train_data：数据框

:return: 热度值分数

"""

# 求相关列均值与标准差

向日葵之歌context_train_mean = context_an(axis=0)

context_train_std = context_train_data.std(ddof=0)

# 求变异系数

context_train_cof_var = context_train_std/context_train_mean

# 对变异系数求和

sum_context_train_cof_var = context_train_cof_var.sum()

# 得出权重

context_train_wi = context_train_cof_var/sum_context_train_cof_var

# 将权重转换为矩阵

cof_var = np.mat(context_train_wi)

# 将数据框转换为矩阵

context_train_data = np.mat(context_train_data)

# 权重跟⾃变量相乘

last_hot_matrix = context_train_data * cof_var.T

last_hot_matrix = pd.DataFrame(last_hot_matrix.T)

# 累加求和得到总分

last_hot_score =list(last_hot_matrix.apply(sum))

# max-min 归⼀化

last_hot_score_autoNorm=autoNorm(last_hot_score)

# 部落的热度值映射成分数（0-100分）

last_hot_score_result=[i*100for i in last_hot_score_autoNorm]

return last_hot_score_result

if __name__ == '__main__':

# 读取数据

# context_train_data=pd.DataFrame(np.arange(24).reshape(4,6),columns=['x1','x2','x3','x4','x5','x6']) ad_excel('C:\\Users\\xiaohu\\Desktop\\⽂本挖掘\\部落的热度算法\\data.xlsx')

# 拿出所有⾃变量数据(不包含部落id，部落名称)

context_train_data=data.iloc[:,2:16]

print(context_train_data)周荣汉

# 调⽤热度值计算函数

last_hot_score_result =get_hot_value(context_train_data)

# 增加⼀列部落名

context_train_data['tribe_name']=data['tribe_name']

# 增加⼀列热度值

context_train_data['tribe_hot_value']=last_hot_score_result

# 然后对数据框按热度值从⼤到⼩排序

result=context_train_data.sort_values(by = 'tribe_hot_value',axis = 0,ascending = False)

result['rank']=range(1,len(result)+1)

print(result)

# 输出excel

# 写出csv数据

<_csv('C:\\Users\\xiaohu\\Desktop\\⽂本挖掘\\部落的热度算法\\result.csv', index=False)

本文发布于:2024-09-24 23:20:11，感谢您对本站的认可！

本文链接：https://www.17tex.com/xueshu/367113.html

上一篇：权重变异系数法

下一篇：最大标准差和最大变异系数方法

标签：指标部落权重

留言与评论（共有 0 条评论）