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小，該指標提供的資訊量越大， 在綜合評價中所起作用理當越大，權重就應該越高。因此，可利用資訊熵這個工具，計算出各個指標的權重，為多指標綜合評價提供依據。
綜合來說這種評價法比較具有客觀性 案例
%匯入資料
shang_datas=
xlsread
('d:\熵權法權重.xlsx'
,'sheet1'
,'b2:j12'
)r=shang_datas;
[n,m]
=size
(r);k=1
/log
(n);
rmin=
min(r)
;rmax=
max(r);a=
max(r)
-min
(r);
%構建n行1列的rmin
y=r-
repmat
(rmin,n,1)
;%歸一化
for j=1:m
y(:,j)=y(
:,j)/a
(j)end
%歸一化後每一列的和
s=sum
(y,1
)%求p
p=zeros
(n,m)
;for i=1:
size
(p,2)p
(:,i)=y(
:,i)/s
(i)end
lnpij=
zeros
(n,m)
;for i=1:n
for j=1:m
ifp(i,j)==0
lnpij
(i,j)=0
;else
lnpij
(i,j)
=log(p
(i,j));
endend
endej=
-k*(
sum(p.*lnpij,1)
);%計算熵值
weights=(1
-ej)
/(m-
sum(ej));
%計算權重
%以下是按原資料算綜合得分
f=zeros
(n,m)
;%儲存結果，算出綜合得分
for k=1:m
f(:,k)=
weights
(k)*
shang_datas(:
,k)%按歸一化後資料算綜合得分
%f(:,k)
=weights
(k)*
shang_datas(:
,k)end
f=sum
(f,2
)
按原資料算綜合得分（1-11）
按歸一化後資料算綜合得分（1-11）
熵權法確定權重
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...
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。...
數學建模常用演算法 熵權法 EWM
建模比賽中最基礎的模型之一，其主要用於解決評價類問題 例如 選擇哪種方案最好 哪位運動員或者員工表現的更優秀 用於確定每個指標所佔權重，權重用於計算最終得分。層次分析法最大的缺點在於判斷矩陣的確定依賴於專家，如果專家的判斷存在主觀性的話，會對結果產生很大的影響。熵權法是一種客觀賦權方法 它依據的原理...