熵权法python实现

熵权法是一种多属性决策方法，主要用于确定各个属性对决策结果的重要性权重。下面是一个简单的熵权法的Python实现示例：

import numpy as np

def entropy_weight(data):
    # 计算各属性的熵值
    entropy = []
    for i in range(data.shape[1]):
        p = data[:, i] / np.sum(data[:, i])
        entropy.append(-np.sum(p * np.log2(p)))

    # 计算各属性的权重
    weights = []
    for i in range(len(entropy)):
        weights.append((1 - entropy[i]) / np.sum(1 - entropy))

    return weights

# 示例数据
data = np.array([[5, 10, 15],
                 [8, 12, 10],
                 [6, 9, 12],
                 [9, 11, 8]])

# 调用函数计算权重
weights = entropy_weight(data)
print("属性权重：", weights)

在上面的示例中，我们定义了一个 `entropy_weight` 函数来实现熵权法的计算。它接受一个数据矩阵作为输入，其中每一行表示一个样本，每一列表示一个属性。函数首先计算每个属性的熵值，然后根据熵值计算每个属性的权重，并返回权重列表。

在示例中，我们使用一个4x3的示例数据矩阵进行演示。你可以根据自己的需求替换这个数据矩阵。最后，我们打印出计算得到的属性权重。

希望这个示例能够帮助你实现熵权法的Python代码。