技巧 | 什么都想学的阿超

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

数据综合评价方法盘点：从原理到实践（三）主成分分析法（PCA）

主成分分析法是降维技术，通过线性变换把多个相关变量变成一组互不相关的新变量，也就是主成分。这些主成分按方差从大到小排列，方差大的主成分包含原始数据信息多。实际中，选前几个方差大的主成分代表原始数据大部分信息，实现数据降维，保留主要特征，方便后续分析处理。

#原理 #技巧 #python #PCA

数据综合评价方法盘点：从原理到实践（二）层次分析法（AHP）

层次分析法是一种将复杂问题分解为多个层次结构，通过建立层次模型、构造判断矩阵、计算权重向量和进行一致性检验等步骤，实现定性和定量相结合的多目标决策方法。它把人的主观判断用数量形式表达和处理，把复杂问题按支配关系分组，形成有序的递阶层次结构。通过两两比较确定各因素的相对重要性，构建判断矩阵，再通过计算判断矩阵的特征向量来确定各因素的权重。

#原理 #技巧 #python #AHP

数据综合评价方法盘点：从原理到实践（一）熵值法

熵值法是一种基于信息熵的客观赋权方法。啥是信息熵呢？简单来说，它是衡量信息不确定性的一个指标。在数据综合评价里，如果某个指标的信息熵越小，那就意味着这个指标在不同样本之间的差异越大，提供的信息量也就越多，在综合评价里的重要性就更高，权重自然也得给它加大；反之，信息熵大，权重就小。

#原理 #技巧 #python #熵值法