评价模型总结——个人学习笔记（一）

参考链接：https://blog.csdn.net/BLvren_/article/details/86629645

0 引言

构成评价模型的五个要素分别为：被评价对象与主体、评价标准以及因素（如何看待评价对象，定义!!），评价指标、评价方法（关键是量化和求出权重系数）、综合评价模型和得出结论。

1. 围绕评价主体建立模型
2. 明确评价标准，解释对评价评价主体的理解，给定范围。如什么是可行度。评价因素是对标准的进一步阐述，但依然属于宏观概念。
3. 评价指标是对因素的进一步细化，遵循可度量性（重要性），典型性（不是越多越好），独立性（可区分性和独立性），内涵性（清晰的现实意义）
4. 必要的预处理，归一化和相关性检查。
5. 评价指标和评价因素构成一定的体系
6. 处理多指标是评价方法核心，得到对评价的单一指标或向量。如排序，计算逆序数。

对于多评价，当各被评价对象和评价指标值都确定以后，问题的综合评价结果就完全依赖于权重系数的取值了，即权重系数确定的合理与否，直接关系到综合评价结果的可信度，甚至影响到最后决策的正确性。而 MATLAB 在评价型模型建模过程中的主要作用是指标筛选、数据预处理(如数据标准化、归一化等)和权重的计算， 最重要的还是权重的计算。
总的来说，评价模型关键是评价的标准和结论，而非对数据的处理

1 数据的预处理

数据的预处理又称属性值的规范化。在进行决策时，一般要进行属性值的规范化，主要有如下三个作用：①属性值有多种类型，上述三种属性放在同一个表中不便于直接从数值大小判断方案的优劣，因此需要对数据进行预处理，使得表中任一属性下性能约优的方案变换后的属性值越大。②非量纲化，多属性决策与评估的困难之一是属性间的不可公度性，即在属性值表中的每一列数具有不同的单位（量纲）。即使对同一属性，采用不同的计量单位，表中的数值也就不同。在用各种多属性决策方法进行分析评价时需要排除量纲的选用对决策或评估结果的影响，这就是非量纲化。③归一化，属性值表中不同指标的属性值的数值大小差别很大，为了直观，更为了便于采用各种多属性决策与评估方法进行评价，需要把属性值表中的数值归一化，即把表中数值均变换到[0，1]区间上。

此外，还可在属性规范时用非线性变换或其他办法，来解决或部分解决某些目标的达到程度与属性值之间的非线性关系（主成分分析），以及目标间的不完全补偿性。

• 归一法
  
  
  进行归一化的原因是把各个特征的尺度控制在相同的范围内，这样可以便于找到最优解。

• 主成分分析
  主成分分为主成分分析和主成分评价两个方面，分析就是单纯的分析数据是否具有主成分和主成分效果如何，评价就是根据主成分运行的结果直接评价了。
  指标之间相关性比较高，一般需要对数据的相关性或者主成分分析的结果进行分析后，如果效果比较好，再使用主成分分析，如果效果不好，那就不要使用主成分分析。评价的时候有很多指标，因为指标太多了，并且各个指标之间相互有影响，为了消除指标之间的影响，单纯从数据的角度寻找各个指标具有公共特征。这些公共的特征就是主成分，也就是常说的第一主成分，第二主成分，第N主成分。具体的第一主成分第二主成分以及累计贡献率（要保证所有主成分累计对原始数据的贡献达到80%）是如何计算出的，可以不用掌握，且在比赛的时候也没必要写在论文上，只需要给出主要的结果即可。
  具体过程参考：具体例子
  主成分分析的简单理解