原理概念 | 什么都想学的阿超

关于原理概念

反者道之动。弱者道之用。天下万物生于有，有生于无。–《道德经》第四十章.当两个物体相互作用时，彼此施加于对方的力，其大小相等、方向相反。力必会成双结对地出现：其中一道力称为“作用力”；而另一道力则称为“反作用力”；两道力的大小相等、方向相反。它们之间的分辨，是纯然任意的；任何一道力都可以被认为是作用力，而其对应的力自然地成为伴随的反作用力。这成对的作用力与反作用力称为“配对力”。

#测试 #原理

数据综合评价方法盘点：从原理到实践（十二）十一种方法的对比总结

在数据分析的广阔领域中，数据综合评价方法是我们手中的有力工具，能帮助我们从复杂的数据中提炼出有价值的信息，做出明智的决策。今天，咱们就来深度剖析一下熵值法、层次分析法（AHP）、主成分分析法（PCA）、因子分析法、模糊综合评价法、灰色关联分析法、CRITIC 权重法、独立性权系数法、变异系数法、秩和比综合评价法以及数据包络分析这 11 种常见的数据综合评价方法。

#原理 #技巧 #python

数据综合评价方法盘点：从原理到实践（十一）数据包络分析

数据包络分析（DEA）是一种基于线性规划的多投入多产出的效率评价方法。它以决策单元（DMU）的投入和产出数据为基础，通过构建生产可能集，确定生产前沿面，来衡量决策单元的相对效率。其基本思想是，将每个决策单元视为一个生产系统，通过比较各个决策单元与生产前沿面的距离，判断其是否有效。

#原理 #技巧 #python #数据包络分析

数据综合评价方法盘点：从原理到实践（十）秩和比综合评价法

秩和比综合评价法是一种集古典参数统计与近代非参数统计各自优点于一体的统计分析方法。它是将原始数据编秩后，计算出秩和比（RSR），然后根据 RSR 值对评价对象进行排序和分档，从而实现对多个评价对象的综合评价。该方法利用了数据的秩次信息，能够在一定程度上反映数据的综合水平，对离群值不敏感，具有较强的稳健性。

#原理 #技巧 #python #秩和比综合评价法

数据综合评价方法盘点：从原理到实践（九）变异系数法

变异系数法是一种根据指标的变异程度来确定权重的客观赋权方法。变异系数反映了数据的离散程度与均值的相对关系，变异系数越大，说明该指标在不同样本之间的相对变化程度越大，提供的信息也就越多，在综合评价中应赋予更高的权重；反之，变异系数越小，权重越低。

#原理 #技巧 #python #变异系数法

数据综合评价方法盘点：从原理到实践（八）独立性权系数法

独立性权系数法是基于指标之间的独立性来确定权重的方法。其核心思想是，一个指标与其他指标之间的相关性越小，说明该指标所包含的独特信息越多，在综合评价中的重要性就越高，应赋予较高的权重；反之，相关性越大，说明该指标的信息与其他指标有较多重叠，重要性相对较低，权重也应相应降低。

#原理 #技巧 #python #独立性权系数法

数据综合评价方法盘点：从原理到实践（七）CRITIC权重法

CRITIC权重法是一种客观赋权方法，它通过考虑两个因素来确定指标权重：对比强度和冲突性。对比强度反映了某个指标在不同样本之间的变异程度，变异程度越大，说明该指标的区分能力越强；冲突性则通过指标之间的相关性来衡量，相关性越小，说明该指标与其他指标之间的冲突性越大，其携带的独特信息就越多。综合这两个因素，能够更全面地确定指标的权重。

#原理 #技巧 #python #CRITIC权重法

数据综合评价方法盘点：从原理到实践（六）灰色关联分析法

灰色关联分析法是一种多因素统计分析方法，它以各因素的样本数据为依据，用灰色关联度来描述因素间关系的强弱、大小和次序。该方法的基本思想是，根据序列曲线几何形状的相似程度来判断其联系是否紧密，曲线越接近，相应序列之间的关联度就越大，反之则越小。它适用于样本数据较少、信息不完全的情况。

#原理 #技巧 #python #灰色关联分析法

数据综合评价方法盘点：从原理到实践（五）模糊综合评价法

因子分析法和主成分分析法类似，也是降维技术。它通过研究变量相关性，把多个相关变量归结为少数公共因子。这些公共因子是原始变量内在结构，能解释变量间大部分相关性。因子分析法假设原始变量由潜在公共因子和特殊因子共同作用，通过分析数据找出公共因子，确定每个变量在各因子上的载荷，实现数据降维和结构分析。

#原理 #技巧 #python #模糊综合评价法

数据综合评价方法盘点：从原理到实践（四）因子分析法

因子分析法和主成分分析法类似，也是降维技术。它通过研究变量相关性，把多个相关变量归结为少数公共因子。这些公共因子是原始变量内在结构，能解释变量间大部分相关性。因子分析法假设原始变量由潜在公共因子和特殊因子共同作用，通过分析数据找出公共因子，确定每个变量在各因子上的载荷，实现数据降维和结构分析。

#原理 #技巧 #python #因子分析法