本文主要是介绍【数学建模】熵权法 Python代码，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
熵权法是一种客观的赋权方法，它可以靠数据本身得出权重。
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。
import numpy as np#自定义对数函数mylog，用于处理输入数组中的0元素
def mylog(p):n = len(p) # 获取输入向量p的长度lnp = np.zeros(n)for i in range(n):if p[i]==0:lnp[i] = 0else:lnp[i] = np.log(p[i])return lnp # 返回计算后的对数数组# 定义指标矩阵x
X = np.array([[9, 0, 0, 0],[8, 3, 0.9, 0.5],[6, 7, 0.2, 1]])# 对矩阵标准化处理，得Z
Z = X / np.sqrt(np.sum(X*X, axis=0))print("标准化矩阵Z = ")
print(Z)# 计算熵权所需的变量和矩阵初始化
n,m = Z.shape
D = np.zeros(m)#计算每个指标的信息效用值
for i in range(m):x = Z[:, i] # 获取Z的第二列p = x / np.sum(x)e = -np.sum(p * mylog(p)) / np.log(n) # 根据熵的定义计算第i个指标的信息熵eD[i] = 1 - e#根据信息效用值计算各指标的权重W = D / np.sum(D)print("权重 W = ")
print(W)
这篇关于【数学建模】熵权法 Python代码的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
