前言：熵權法，也稱為熵決法，客觀求權重比，在評價類模型中相對比較簡單。根據已知評價對象 指標的數值來確定每個指標所占的權重，在相對數據集合中，以算法的形式剔除主觀因素，以客觀的方式獲取到相關權重。

適用場景：（純個人經驗）

1，每個對象會有幾個指標。這幾個指標哪個指標所占的權重最大呢？

（指標數相當或相差不大。最好是同類指標在不同源數據下形成的數據集合。）

2，指標數大于2.

一、算法結果展示：?

指標1	指標1	指標1	加權平均法	熵決法
65.00?	64.71?	100.00?	76.57?	9.360619
65.00?	52.94?		39.31?	9.781944
100.00?		65.00?	55.00?	9.781944
65.00?		100.00?	55.00?	9.781944
30.00?	100.00?	64.00?	64.67?	4.154868
64.00?	100.00?		54.67?	9.781944
65.00?	85.00?		50.00?	9.781944
79.79?		66.00?	48.60?	9.781944
40.00?		99.00?	46.33?	9.781944
	70.59?	64.00?	44.86?	9.781944
65.00?	60.00?	70.00?	65.00?	4.11448
100.00?	95.00?	105.00?	100.00?	4.11448

二、算法理論

原文鏈接：https://blog.csdn.net/qq_41686130/article/details/81867400

2.1，數據標準化

假設給定了k個指標，其中。假設對各指標數據標準化后的值為，

那么

? ? ? ? ? ? ? ? ? ? ? ? ? ?

2.2，求各指標的信息熵

根據信息論中信息熵的定義，一組數據的信息熵

其中，如果，則定義? ??。

2.3，確定各指標權重

根據信息熵的計算公式，計算出各個指標的信息熵為?。通過信息熵計算各指標的權重：

? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

2.4，指標缺失（為0）或為負問題

可以使用數據平移法，即所有指標都加上一個平移值x，再參與計算，平移值x不管大小，計算結果一樣。

三、java代碼

3.1，pom引入

<!-- 集成hutool工具類簡便操作 --><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，核心類：

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; // 最大位數private Double pvg = 100.0; // 平移數值public ShangFactory(List<List<Double>> dataList) {getMaxNum(dataList);readyList = new ArrayList<List<Double>>();tranData(dataList);}public List<Double> listWeight() {System.err.println("平移標準化:" + readyList);// 完成數據標準化List<List<Double>> aveList = orderData(readyList);System.err.println("數據標準化:" + aveList);List<Double> shangList = listShang(readyList, aveList);// 獲取信息熵System.err.println("信息熵:" + shangList);List<Double> weightList = makeWeight(shangList);return weightList;}// 獲取最大位數和平移均值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，補全缺位數據* * @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);}// 補全for (int i = 0; i < maxNum - list.size(); i++) {dataNumList.add(pvg);}readyList.add(dataNumList);}}/*** 2.1，數據標準化* @param dataList* @return*/private List<List<Double>> orderData(List<List<Double>> dataList) {List<List<Double>> aveList = new ArrayList<List<Double>>();// 數據歸一化處理 (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，求各指標的信息熵* @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，確定各指標權重* @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，測試類

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();// 獲取權重System.err.println("權重:" + 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;} }

測試類中數據集是根據生產環(huán)境打印出來，也可以使用excle中導入，方便測試。

最后總結：因場景選擇錯誤，此方法是一個失敗案例。但是此方法相當不錯。

總結

以上是生活随笔為你收集整理的熵权法计算权重（java版）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。