總結：sparksql實現
m : 專案的個數，比如：該月該使用者**了多少種節目
分步計算
在資訊理論中，熵是對不確定性的一種度量。不確定性越大，熵就越大，包含的資訊量越大；不確定性越小，熵就越小，包含的資訊量就越小。
根據熵的特性，可以通過計算熵值來判斷乙個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指針對綜合評價的影響（權重）越大。比如樣本資料在某指標下取值都相等，則該指針對總體評價的影響為0，權值為0.
熵權法是一種客觀賦權法，因為它僅依賴於資料本身的離散性。
2. 指標的歸一化處理：異質指標同質化
由於各項指標的計量單位並不統一，因此在用它們計算綜合指標前，先要進行標準化處理，即把指標的絕對值轉化為相對值，從而解決各項不同質指標值的同質化問題。
另外，正向指標和負向指標數值代表的含義不同（正向指標數值越高越好，負向指標數值越低越好），因此，對於正向負向指標需要採用不同的演算法進行資料標準化處理：
數模演算法 熵權法（用於客觀確定權值）
根據資訊熵的定義，對於某項指標，可以用熵值來判斷某個指標的離散程度，其熵值越小，指標的離散程度越大，該指針對綜合評價的影響 即權重 就越大，如果某項指標的值全部相等，則該指標在綜合評價中不起作用。按照資訊理論基本原理的解釋，資訊是系統有序程度的乙個度量，熵是系統無序程度的乙個度量 如果指標的資訊熵越...
嫡權法賦權法 1 熵值法賦權
一 基本原理 在資訊理論中，熵是對不確定性的一種度量。資訊量越大，不確定性就越小，熵也就越小 資訊量越小，不確定性越大，熵也越大。根據熵的特性，可以通過計算熵值來判斷乙個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指針對綜合評價的影響 權重 越大，其熵值越小。...
r語言熵權法求權重（真實案例完整流程）
在資訊理論中，熵是對不確定性的一種度量。資訊量越大，不確定性就越小，熵也就越小 資訊量越小，不確定性越大，熵也越大。根據熵的特性，可以通過計算熵值來判斷乙個事件的隨機性及無序程度，也可以用熵值來判斷某個指標的離散程度，指標的離散程度越大，該指針對綜合評價的影響 權重 越大。比如樣本資料在某指標下取值...