一、

CRITIC權(quán)重法是一種比熵權(quán)法和標(biāo)準(zhǔn)離差法更好的客觀賦權(quán)法：

• 它是基于評價指標(biāo)的對比強度和指標(biāo)之間的沖突性來綜合衡量指標(biāo)的客觀權(quán)重?？紤]指標(biāo)變異性大小的同時兼顧指標(biāo)之間的相關(guān)性，并非數(shù)字越大就說明越重要，完全利用數(shù)據(jù)自身的客觀屬性進(jìn)行科學(xué)評價。
• 對比強度是指同一個指標(biāo)各個評價方案之間取值差距的大小，以標(biāo)準(zhǔn)差的形式來表現(xiàn)。標(biāo)準(zhǔn)差越大，說明波動越大，即各方案之間的取值差距越大，權(quán)重會越高；

指標(biāo)之間的沖突性，用相關(guān)系數(shù)進(jìn)行表示，若兩個指標(biāo)之間具有較強的正相關(guān)，說明其沖突性越小，權(quán)重會越低。

對于 CRITIC 權(quán)重法而言，在標(biāo)準(zhǔn)差一定時，指標(biāo)間沖突性越小，權(quán)重也越??；沖突性越大，權(quán)重也越大；另外，當(dāng)兩個指標(biāo)間的正相關(guān)程度越大時，（相關(guān)系數(shù)越接近1），沖突性越小，這表明這兩個指標(biāo)在評價方案的優(yōu)劣上反映的信息有較大的相似性。

在用 Python 復(fù)現(xiàn) CRITIC 權(quán)重法時，需要計算變異系數(shù)，以標(biāo)準(zhǔn)差的形式來表現(xiàn)，如下所示：

Sj表示第 j 個指標(biāo)的標(biāo)準(zhǔn)差，在 CRITIC 權(quán)重法中使用標(biāo)準(zhǔn)差來表示各指標(biāo)的內(nèi)取值的差異波動情況，標(biāo)準(zhǔn)差越大表示該指標(biāo)的數(shù)值差異越大，越能放映出更多的信息，該指標(biāo)本身的評價強度也就越強，應(yīng)該給該指標(biāo)分配更多的權(quán)重。

研究收集到湖南省某醫(yī)院 2011 年 5 個科室的數(shù)據(jù)，共有 6 個指標(biāo)，當(dāng)前希望通過已有數(shù)據(jù)分析各個指標(biāo)的權(quán)重情況如何，便于醫(yī)院對各個指標(biāo)設(shè)立權(quán)重進(jìn)行后續(xù)的綜合評價，用于各個科室的綜合比較等。數(shù)據(jù)如下：

二、詳解計算均值和標(biāo)準(zhǔn)差

初始化一個簡單的矩陣：

a = np.array([
 [1, 2, 3],
 [4, 5, 6],
 [7, 8, 9]
 ])
a

分別計算整體的均值、每一列的均值和每一行的均值：

print("整體的均值：", np.mean(a))  # 整體的均值
print("每一列的均值：", np.mean(a, axis=0)) # 每一列的均值
print("每一行的均值：", np.mean(a, axis=1)) # 每一行的均值

分別計算整體的標(biāo)準(zhǔn)差、每一列的標(biāo)準(zhǔn)差和每一行的標(biāo)準(zhǔn)差：

print("整體的方差：", np.std(a))  # 整體的標(biāo)準(zhǔn)差
print("每一列的方差：", np.std(a, axis=0)) # 每一列的標(biāo)準(zhǔn)差
print("每一列的方差：", np.std(a, axis=1)) # 每一行的標(biāo)準(zhǔn)差

結(jié)果如下：

三、實踐：CRITIC權(quán)重法計算變異系數(shù)

導(dǎo)入需要的依賴庫：

import numpy as np
import pandas as pd

提取數(shù)據(jù)：

df = pd.read_excel("./datas/result03.xlsx")
df
datas = df.iloc[:, 1:]
datas

如下所示：

數(shù)據(jù)正向和逆向化處理：

X = datas.values
xmin = X.min(axis=0)
xmax = X.max(axis=0)
xmaxmin = xmax - xmin
n, m = X.shape
print(m, n)
for i in range(n):
 for j in range(m):
  if j == 5:
X[i, j] = (xmax[j] - X[i, j]) / xmaxmin[j]# 越小越好
  else:
X[i, j] = (X[i, j] - xmin[j]) / xmaxmin[j]# 越大越好
X = np.round(X, 5)
print(X)

如下所示：

按列計算每個指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)差：

發(fā)現(xiàn)結(jié)果與文檔不一致：

原因：numpy默認(rèn)是除以樣本數(shù)，求的是母體標(biāo)準(zhǔn)差；而除以樣本-1，得到的才是樣本標(biāo)準(zhǔn)差，這時設(shè)置參數(shù) ddof=1 即可！

如上圖所示，這下與文檔里的結(jié)果一致了！

以上就是Python Numpy實現(xiàn)計算矩陣的均值和標(biāo)準(zhǔn)差詳解的詳細(xì)內(nèi)容，更多關(guān)于Python計算矩陣均值標(biāo)準(zhǔn)差的資料請關(guān)注本站其它相關(guān)文章！

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場，如有內(nèi)容涉嫌侵權(quán)，請聯(lián)系alex-e#qq.com處理。