Python综合评价模型(七)变异系数法
目录
- 第一步 导入第三方库和案例数据
- 第二步 标准化数据(min-max标准化)
- 第三步 计算评价指标的变异系数
- 第四步 计算评价指标的权重
- 第五步 计算综合得分
- 第六步 导出综合评价结果
- 下期预告:Python综合评价模型(八)熵权法\textcolor{RoyalBlue}{下期预告 : Python综合评价模型(八)熵权法}下期预告:Python综合评价模型(八)熵权法
- 关注公众号“TriHub数研社”发送“230326”获取案例数据和代码\textcolor{RoyalBlue}{关注公众号“TriHub数研社”发送“230326”获取案例数据和代码}关注公众号“TriHub数研社”发送“230326”获取案例数据和代码
变异系数法是根据评价指标的变异程度来分配权重,评价指标的变异程度越大,所赋权重就越大,并以此对评价对象进行综合评价的方法
第一步 导入第三方库和案例数据
import numpy as np
import pandas as pd
#按指定路径导入数据,以“地区”为索引(文件路径需按实际情况更换)
data = pd.read_excel(r'C:/Users/AROUS/Desktop/综合评价数据.xlsx', index_col = '地区')
data
第二步 标准化数据(min-max标准化)
使用min-max标准化方法标准化数据后,各评价指标的最大值为1,最小值为0
正向指标(指标值越大越好)的min-max标准化计算公式为:
yij=xij−minxijmaxxij−minxij(1≤i≤n,1≤j≤m)y_{ij} = \frac{x_{ij} - \min{x_{ij}}}{\max{x_{ij}} - \min{x_{ij}}} \quad (1 \leq i \leq n,1 \leq j \leq m)yij=maxxij−minxijxij−minxij(1≤i≤n,1≤j≤m),nnn为评价对象的个数,mmm为评价指标的个数
负向指标(指标值越小越好)的min-max标准化计算公式为:
yij=maxxij−xijmaxxij−minxij(1≤i≤n,1≤j≤m)y_{ij} = \frac{\max{x_{ij}} - x_{ij}}{\max{x_{ij}} - \min{x_{ij}}} \quad (1 \leq i \leq n, 1 \leq j \leq m)yij=maxxij−minxijmaxxij−xij(1≤i≤n,1≤j≤m),nnn为评价对象的个数,mmm为评价指标的个数
#定义正向指标min-max标准化函数
def minmax_p(x): return (x - x.min()) / (x.max() - x.min())
#定义负向指标min-max标准化函数
def minmax_n(x): return (x.max() - x) / (x.max() - x.min())
#使用正向指标min-max标准化函数标准化数据
data_m = data.apply(minmax_p, axis = 0)
data_m
第三步 计算评价指标的变异系数
第jjj项评价指标变异系数的计算公式为:
vj=∑i=1n(yij−yjˉ)2n−1yjˉv_j = \frac{\sqrt{\frac{\sum_{i=1}^{n}(y_{ij}-\bar{y_j})^2}{n-1}}}{\bar{y_j}}vj=yjˉn−1∑i=1n(yij−yjˉ)2,nnn为评价对象的个数
即评价指标的标准差除以评价指标的均值
vi = data_m.std()/ data_m.mean()
vi
第四步 计算评价指标的权重
#归一化评价指标的变异系数
w = vi / vi.sum()
w
第五步 计算综合得分
data['变异系数法得分'] = data_m.dot(w)
data
第六步 导出综合评价结果
data.to_excel('变异系数法综合评价结果.xlsx', index = True)
下期预告:Python综合评价模型(八)熵权法\textcolor{RoyalBlue}{下期预告 : Python综合评价模型(八)熵权法}下期预告:Python综合评价模型(八)熵权法
关注公众号“TriHub数研社”发送“230326”获取案例数据和代码\textcolor{RoyalBlue}{关注公众号“TriHub数研社”发送“230326”获取案例数据和代码}关注公众号“TriHub数研社”发送“230326”获取案例数据和代码
Python综合评价模型(七)变异系数法相关推荐
- Python综合评价模型(四)主成分分析法
文章目录 第一步 导入第三方库和案例数据 第二步 标准化数据 第三步 训练模型 第四步 计算主成分个数 方式1 按特征值计算主成分个数 方式2 按累积贡献率计算主成分个数 第五步 计算主成分系数 第六 ...
- Python综合评价模型(二)灰色关联度法
文章目录 第一步 导入第三方库和案例数据 第二步 标准化数据 第三步 确定参考数列 第四步 计算指标数列与参考数列的差(绝对值) 第五步 计算灰色关联系数 第六步 计算灰色关联度 方式1 求灰色关联系 ...
- Python综合评价模型(三)秩和比法
文章目录 第一步 导入第三方库和案例数据 第二步 标准化数据 第三步 编秩 第四步 计算秩和比 方式1 计算秩的简单平均(评价指标权重相等) 方式2 计算秩的加权平均(评价指标权重不等) 第五步 导出 ...
- Python综合评价模型(五)专家评分法
文章目录 第一步 导入第三方库和案例数据 第二步 标准化数据 第三步 计算权重 第四步 计算综合得分 第五步 导出综合评价结果 下期预告: P y t h o n 综合评价模型(六)层次分析法 \te ...
- 【建模算法】变异系数法(Python实现)
[建模算法]变异系数法(Python实现) 变异系数法是根据统计学方法计算得出系统各指标变化程度的方法,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,因此是一种客观赋权的方法. 变异系数 ...
- 数学建模——TOPSIS综合评价模型Python代码
数学建模--TOPSIS综合评价模型Python代码 正常代码 import numpy as np # 导入numpy包并将其命名为np ##定义正向化的函数 def positivization( ...
- spss/amos评价分类(问卷调查)matlab(模糊综合评价+AHP层次分析法模型)
管理类文科类的综合评价模型都可以做,一般都是层次分析法ahp,主成分pca /因子分析,灰色关联度,熵权法,topsis求指标权重,然后做一个排序.如果结合2种或者3种模型,,结合的方法分内在和外在结 ...
- 变异系数法之python
目录 1.简介 2.算法原理 2.1 指标正向化 2.2 数据标准化 2.3 计算变异系数 2.4 计算权重以及得分 3.实例分析 3.1 读取数据 3.2 指标正向化 3.3 查看行数和列数 3.4 ...
- 数学建模之:TOPSIS综合评价模型python代码
1.TOPSIS基本概念 TOPSIS (Technique for Order Preference by Similarity to an Ideal Solution )模型中文叫做" ...
最新文章
- 【搜索专题】DFS之连通性模型与搜索顺序
- 中国程序员人数将增长50%,过半500强都要卖软件,边缘应用程序增长8倍丨IDC预测下一个五年...
- 使用TestNG-xslt+ant来美化selenium测试报告
- CodeBlocks 更改 gui 程序为 命令行
- vb6实现union数据结构_数据结构与算法——并查集(不相交集合)
- Android初级教程Activity小案例(计算器乘法运算)
- linux系统命令行基础知识点
- Python Django中,页面改变但链接地址没有跳转,解决方法
- C语言文件拷贝-四种方式
- 总结_____大二上
- 【渝粤教育】国家开放大学2018年春季 0008-22T简明现代汉语 参考试题
- 时间单位的换算(秒,毫秒,微秒,纳秒,皮秒)
- WPF MVVM 框架
- 怎么在计算机上面掉出CMD,cmd怎么打开(cmd命令入侵老师电脑)
- 变异系数(Coefficient of Variation,COV)和协方差(Covariance, Cov)
- Feed流及其常见算法简介
- PO与VO之间的相互转换
- 「雅礼集训 2018 Day10」贪玩蓝月
- Vue UI组件 开发框架 服务端 辅助工具 应用实例 Demo示例
- Adobe XD无法下载插件解决办法
热门文章
- 远程控制Ubuntu
- TOJ 2226.Parliament
- P02014141 柳宇航 信息论作业
- 【达内课程】Android中的Notification
- 房贷计算器。在左侧输入数据,点击“开始计算”后,右侧右侧计算出结果后直接显示出来。
- 火箭闹钟 android,闹钟就要凶残的! -- 火箭闹钟 #Android #iPhone
- 磁盘泄密威胁和数据销毁技术综述
- Android多进程(一)—— 开启多进程
- 请用python编写日语文本分析脚本,并使结果可视化
- melogin.cn主页登录_melogincn登录入口