如何設計權重演算法?

比如有一些物品,特徵有新舊程度,顏色,材質等等,如何根據這些特徵計算出對於這些物品的喜好程度排序(以上是舉例,語文不好,大家請見諒~~) ,如何能算出各個特徵的權重呢?不是針對大量行為的分析,只是純計算權重


最近畢業論文快被這東西搞死,已有答案其實已足夠只是我在完善一下。

權重概念你肯定明白,但還有個關於權數兩種區別需要注意。其分別為自重權數和加重權數兩種,區別在於前者將結果作為等級或指標分值;而後者則是在已有分值(自重權數)前設立的權數。

對於權重演算法,最基本的是:

a.Delphi法(專家打分)

b.AHP法(層次分析)

但實際在操作的運算實現過程當中均是以a+b相結合的方法進行權重計算。此處介紹個計算權重的好東西:yaahp軟體(請自行搜索學習)當中的群決策便是對於兩種方法相結合最好的應用。而作為計算權重的實用工具,其操作也十分便捷,大致分為以下流程:

1.層次模型繪製(決策目標/中間層要素/備選方案);

2.AHP法設定調查表;

3.輸入結果,群決策;

4.計算權重輸出結果。

當然其實除了以上兩種方式計算權重自然有其他很多方法,有些數學思想相同只是些許步驟重複或名稱叫法不同暫不區分,簡單羅列若有興趣請自行搜索,且歡迎交流互相學習:

c.因子分析權數法

d.信息量權數法

e.獨立性權數法

f.主成分分析法

g.優序圖法

h.熵權法

i.標準離差法

j.CRITIC法

k.非模糊數判斷矩陣法

l.相關係數法

m.RSR法

n.均數法(算數均數組合賦值法)

o.累積法(連乘累積組合賦權法)

p.權值因子判斷表法

......

而且剛剛推薦的yaahp軟體,其實還可用MATLAB或SPSS計算,甚至聞聽用Excel計算。鄙人時間能力有限僅選擇了yaahp,從專業度和上手度綜合來講,yaahp是首選。以上所述眾多方法更多是理論的數學思路,若真的實際計算,建議花精力在軟體本身。畢竟後期的一致性、主效應/交互效應檢驗、指標比較或者邊際均值估計等等後期數據處理還是軟體來的實在。

希望這答案能幫助到你。

且望此地有大神給我講講SPSS(哭)

謝了,以上。


1.AHP方法,成對比較陣里有10分制的打分參考邏輯;

2.德爾菲法(亦稱專家打分法),可以用投票或均值的方式計算;


說到層次分析法,可以用這個軟體http://www.yaahp.com/


推薦閱讀:

Google 如何管理龐大的搜索結果排序規則集合?
如何設計一個演算法實現商品的展示排序按照用戶的點擊量和發布時間綜合排序?
從損失函數的角度解釋為什麼lr做點擊率預測不如GBDT好???
你同意「數據比演算法重要」這個說法嗎?
進行數據挖掘時演算法需要學習到什麼樣的程度?

TAG:演算法 | 演算法設計 |