灰色关联分析法步骤

https://wenku.baidu.com/view/dc356290af1ffc4fff47ac0d.html?rec_flag=default&sxts=1538121950212

1.确定因素,确定因素的影响值,然后无量纲化处理。(这基本是这类模型必须的步骤了)

Xi=[xi1, xi2, xi3, ... ,xin]

2.确定参考数列。(就是,你要和谁关联)

Xs=[x1, x2, x3,...,xn]

3.定权。(这一步并不是必须的,需要对影响因素有偏重的时候再进行加权,如果每个因素看作平等的,则不再加权)

4.接下来就是算关联系数了,比较麻烦

其实我也看晕了。。。跳过吧。

5.计算关联度。

其实上一步计算的只是某一对象在某一因素下与标准的关联程度。然后就是用之前算的权作一个加权平均,就可以得到每个对象与标准的关联度ri。

6.然后排序,就可以得到关联度顺序了,找到关联程度最大的对象。

--------------------- 本文来自 zhangyue_lala 的CSDN 博客 ,全文地址请点击:https://blog.csdn.net/zhangyue_lala/article/details/70157514?utm_source=copy

原文地址:https://www.cnblogs.com/aabbcc/p/9747715.html

时间: 2024-08-06 08:15:19

灰色关联分析法步骤的相关文章

灰色关联分析法步骤(python代码实现)

import pandas as pdimport numpy as np# x = pd.DataFrame([[2000,0.732,0.836,0.628,0.743], [2001,0.758,0.883,0.688,0.787], [2002,0.859,0.914,0.781,0.929],[2003,1.0125,1.0440,1.0237,0.9847],[2004,1.2356,1.1069,1.2833,1.2363],[2005,1.4013,1.2152,1.5405,1

断点分析法_局部线性回归_matlab

本文介绍断点分析法在数据作假方面的应用: 题目: 近年来空气质量问题始终是政府.环境保护部门和全国人民关注的热点问题.为了激励城市政府重视空气污染治理,地方官员的政绩考核中往往包括诸如"蓝天数"这样的指标,即全年空气污染指数低于100点的天数.搜集相关空气质量和气候数据,利用数学模型分析其数据的真实性. 思路: 使用不连续回归分析的方法.经验判断,在AQI为100左右最可能发生数据的操作,因为如果数据修改幅度过大,可能会引起公众和其他政府官员的怀疑,因为公众可以获得每日API指数:但是

5W2H分析法

5W2H分析法 同义词 5W2H一般指5W2H分析法 5W2H分析法又叫七何分析法,是二战中美国陆军兵器修理部首创.简单.方便,易于理解.使用,富有启发意义,广泛用于企业管理和技术活动,对于决策和执行性的活动措施也非常有帮助,也有助于弥补考虑问题的疏漏. 中文名 5W2H分析法 别    称 七何分析法 表达式 WHAT+WHY+WHEN+WHERE+WHO+HOW+HOW MUCH 提出者 美国陆军兵器修理部 提出时间 二战中 应用学科 企业管理和技术活动 适用领域范围 决策和执行性的活动措施

MindManager鱼骨图分析法注意点汇总

MindManager鱼骨图分析法注意点汇总一.鱼骨分析法类型 1.整理问题型鱼骨图(各要素与特性值间不存在原因关系,而是结构构成关系): MindManager鱼骨图分析法注意点汇总2.对策型鱼骨图(鱼头在左,特性值通常以"如何提高/改善--"来写). MindManager鱼骨图分析法注意点汇总3.原因型鱼骨图(鱼头在右,特性值通常以"为什么--"来写): MindManager鱼骨图分析法注意点汇总二:鱼骨图分析法原理 当问题出现时,大家一起来讨论问题产生的根

使用Apriori算法和FP-growth算法进行关联分析(Python版)

===================================================================== <机器学习实战>系列博客是博主阅读<机器学习实战>这本书的笔记也包含一些其他python实现的机器学习算法 算法实现均采用python github 源码同步:https://github.com/Thinkgamer/Machine-Learning-With-Python ==================================

第十四篇:Apriori 关联分析算法原理分析与代码实现

前言 想必大家都听过数据挖掘领域那个经典的故事 - "啤酒与尿布" 的故事. 那么,具体是怎么从海量销售信息中挖掘出啤酒和尿布之间的关系呢? 这就是关联分析所要完成的任务了. 本文将讲解关联分析领域中最为经典的Apriori算法,并给出具体的代码实现. 关联分析领域的一些概念 1. 频繁项集: 数据集中经常出现在一起的物品的集合.例如 "啤酒和尿布" 2. 关联规则: 指两个物品集之间可能存在很强的关系.例如 "{啤酒} -> {尿布}"

【转载】典型关联分析(Canonical Correlation Analysis)

典型关联分析(Canonical Correlation Analysis) [pdf版本] 典型相关分析.pdf 1. 问题 在线性回归中,我们使用直线来拟合样本点,寻找n维特征向量X和输出结果(或者叫做label)Y之间的线性关系.其中,.然而当Y也是多维时,或者说Y也有多个特征时,我们希望分析出X和Y的关系. 当然我们仍然可以使用回归的方法来分析,做法如下: 假设,,那么可以建立等式Y=AX如下 其中,形式和线性回归一样,需要训练m次得到m个. 这样做的一个缺点是,Y中的每个特征都与X的所

【龙书笔记】用Python实现一个简单数学表达式从中缀到后缀语法的翻译器(采用递归下降分析法)

上篇笔记介绍了语法分析相关的一些基础概念,本篇笔记根据龙书第2.5节的内容实现一个针对简单表达式的后缀式语法翻译器Demo. 备注:原书中的demo是java实例,我给出的将是逻辑一致的Python版本的实现. 在简单后缀翻译器代码实现之前,还需要介绍几个基本概念. 1. 自顶向下分析法(top-down parsing) 顾名思义,top-down分析法的思路是推导产生式时,以产生式开始符号作为root节点,从上至下依次构建其子节点,最终构造出语法分析树.在具体实现时,它会把输入字符串从左到右

Apriori 关联分析算法原理分析与代码实现

前言 想必大家都听过数据挖掘领域那个经典的故事 - "啤酒与尿布" 的故事. 那么,具体是怎么从海量销售信息中挖掘出啤酒和尿布之间的关系呢? 这就是关联分析所要完成的任务了. 本文将讲解关联分析领域中最为经典的Apriori算法,并给出具体的代码实现. 关联分析领域的一些概念 1. 频繁项集: 数据集中经常出现在一起的物品的集合.例如 "啤酒和尿布" 2. 关联规则: 指两个物品集之间可能存在很强的关系.例如 "{啤酒} -> {尿布}"