占比越多权重越低 怎么计算（权重占比计算公式）

前言：熵权法，也称为熵决法，客观求权重比，在评价类模型中相对比较简单。根据已知评价对象 指标的数值来确定每个指标所占的权重，在相对数据集合中，以算法的形式剔除主观因素，以客观的方式获取到相关权重。

适用场景：（纯个人经验）

1，每个对象会有几个指标。这几个指标哪个指标所占的权重最大呢？

（指标数相当或相差不大。最好是同类指标在不同源数据下形成的数据集合。）

2，指标数大于2.

一、算法结果展示：

二、算法理论

原文链接：https://blog.csdn.net/qq_41686130/article/details/81867400

2.1，数据标准化

假设给定了k个指标

，其中

。假设对各指标数据标准化后的值为

，那么

2.2，求各指标的信息熵

根据信息论中信息熵的定义，一组数据的信息熵

其中

，如果

，则定义

2.3，确定各指标权重

根据信息熵的计算公式，计算出各个指标的信息熵为

。通过信息熵计算各指标的权重：

2.4，指标缺失（为0）或为负问题

可以使用数据平移法，即所有指标都加上一个平移值x，再参与计算，平移值x不管大小，计算结果一样。

三、java代码

3.1，pom引入

        <!-- 集成hutool工具类简便操作 -->		<dependency>			<groupId>cn.hutool</groupId>			<artifactId>hutool-all</artifactId>			<version>5.3.10</version>		</dependency>        <dependency>			<groupId>org.apache.commons</groupId>			<artifactId>commons-math3</artifactId>			<version>3.6.1</version>		</dependency>

3.2，核心类：

import java.util.ArrayList;import java.util.List;import cn.hutool.core.collection.CollUtil;import cn.hutool.core.util.NumberUtil;public class ShangFactory {	private List<List<Double>> readyList;	private Integer maxNum = 0; // 最大位数	private Double pvg = 100.0; // 平移数值	public ShangFactory(List<List<Double>> dataList) {		getMaxNum(dataList);		readyList = new ArrayList<List<Double>>();		tranData(dataList);	}	public List<Double> listWeight() {		System.err.println("平移标准化:" + readyList);		// 完成数据标准化		List<List<Double>> aveList = orderData(readyList);		System.err.println("数据标准化:" + aveList);		List<Double> shangList = listShang(readyList, aveList);		// 获取信息熵		System.err.println("信息熵:" + shangList);		List<Double> weightList = makeWeight(shangList);		return weightList;	}	// 获取最大位数和平移均值	private void getMaxNum(List<List<Double>> dataList) {		for (List<Double> list : dataList) {			if (list.size() > maxNum) {				maxNum = list.size();			}			double ws = 0.0;			for (Double w : list) {				if (w<pvg) {					pvg=w;				}				ws = ws + w;			}			pvg = pvg + (ws / list.size());		}		pvg = pvg / dataList.size();	}	/**	 * 用平移法，补全缺位数据	 * 	 * @param dataList	 * @return	 */	private void tranData(List<List<Double>> dataList) {		List<Double> dataNumList;		for (List<Double> list : dataList) {			dataNumList = new ArrayList<Double>();			for (Double weight : list) {				dataNumList.add(weight + pvg);			}			// 补全			for (int i = 0; i < maxNum - list.size(); i++) {				dataNumList.add(pvg);			}			readyList.add(dataNumList);		}	}		/**	 * 2.1，数据标准化	 * @param dataList	 * @return	 */	private List<List<Double>> orderData(List<List<Double>> dataList) {		List<List<Double>> aveList = new ArrayList<List<Double>>();		// 数据归一化处理 (i-min)/(max-min)		List<Double> numList;		List<Double> dataNumList;		double min, diff, temp;		for (int i = 0; i < dataList.size(); i++) {			numList = dataList.get(i);			min = (double) CollUtil.min(numList);			diff = CollUtil.max(numList) - min;			dataNumList = new ArrayList<Double>();			for (int j = 0; j < numList.size(); j++) {				temp = ((double) numList.get(j) - min) / diff;				dataNumList.add(j, temp);			}			aveList.add(dataNumList);		}		return aveList;	}	/**	 * 2.2，求各指标的信息熵	 * @param dataList	 * @param aveList	 * @return	 */	private List<Double> listShang(List<List<Double>> dataList, List<List<Double>> aveList) {		List<Double> shangList = new ArrayList<Double>();		for (int i = 0; i < aveList.size(); i++) {			List<Double> aveNumList = aveList.get(i);			double pSum = (double) aveNumList.stream().reduce((x, y) -> (double) x + (double) y).get();			double sum = 0;			for (int j = 0; j < aveList.get(i).size(); j++) {				double p = (double) aveNumList.get(j) / pSum;				if (p != 0) {					sum = sum + p * Math.log(p);				}			}			shangList.add((-1) / Math.log(dataList.get(i).size()) * sum);		}		return shangList;	}	/**	 * 2.3，确定各指标权重	 * @param shangList	 * @return	 */	private static List<Double> makeWeight(List<Double> shangList) {		List<Double> weightList = new ArrayList<Double>();		Double shangSum = shangList.stream().reduce(Double::sum).get();		double weight;		for (int i = 0; i < shangList.size(); i++) {			weight = (1 - shangList.get(i)) / (shangList.size() - shangSum);			weight = weight * 100.0;//			BigDecimal weightDec = NumberUtil.round(weight, 6);			weightList.add(NumberUtil.round(weight, 6).doubleValue());		}		return weightList;	}}

3.3，测试类

import java.util.ArrayList;import java.util.Arrays;import java.util.List;import cn.hutool.core.util.NumberUtil;public class ShangTest {	public static void main(String[] args) {		List<List<Double>> dataList = readyData();		ShangFactory shangFactory=new ShangFactory(dataList);		List<Double> weightList = shangFactory.listWeight();		// 获取权重		System.err.println("权重:" + weightList);		for (Double double1 : weightList) {			System.out.println(double1);		}	}	private static List<List<Double>> readyData() {		String dataStr = "[100.0, 83.33, 75.0], [83.33, 72.86, 70.0], [85.0, 66.0, 64.53, 5.0], [99.0, 55.0, 40.0, 17.17], [75.0, 65.53, 52.18], [70.0, 64.53, 33.0, 23.19], [75.0, 70.53, 28.99], [85.0, 83.33], [75.0, 64.53, 28.13], [75.0, 66.53], [75.0, 57.97], [83.33, 25.0], [100.0], [64.53, 34.38], [66.67, 31.25], [66.67, 25.0], [85.71], [83.33], [83.33], [83.33], [75.0], [75.0], [75.0], [75.0], [71.43], [65.53], [65.53], [64.53], [34.38]";		List<List<Double>> dataList = new ArrayList<List<Double>>();		List<String> list = Arrays.asList(dataStr.split("],"));		List<Double> dataNumList;		for (String string : list) {			string = string.replace("[", "");			string = string.replace("]", "");			dataNumList = new ArrayList<Double>();			List<String> numList = Arrays.asList(string.split(","));			for (String numStr : numList) {				dataNumList.add(NumberUtil.parseNumber(numStr.trim()).doubleValue());			}			dataList.add(dataNumList);		}		return dataList;	}}

测试类中数据集是根据生产环境打印出来，也可以使用excle中导入，方便测试。

最后总结：因场景选择错误，此方法是一个失败案例。但是此方法相当不错。