在他们的现实生活中他们会碰到须要探讨才能得出结论结论的难题,这当中有甚么办法呢?本栏将给他们讲诉逐步形成权重股的方式,通过预测碰到难题的双重性来决定结论。

权重(权重系数是什么意思)-第1张

在工作生活中,他们经常会碰到一些须要确认各部分权重股来得出结论最后结论的难题;比如商品的顺序,可能将须要考量成交、IMDb、珍藏量、转换率等不利因素;比如征信分,可能将须要考量身分特征、消费能力、人脉亲密关系、行为偏爱、信用风险历史等不利因素,而当中每一不利因素,又可能将须要多种分项来来衡量。

——这就导入了权重股的概念。

那么,如何确认每一不利因素对最终目标的权重股,以保证最后结论最合理呢?

一、甚么是权重股

权重股是指某不利因素在总体赞扬中的相较关键程度。权重股越高,则该不利因素越关键。权重股有两个特点:1、每一不利因素的权重股在0-1间 2、所有不利因素的权重股之和为1。

二、权重股的确认路子与方式

直觉穿鞘方式:主要由专家实战经验得到置信区间,接着对分项展开综合性赞扬。是一种结合性方式,易操作,存在一定直觉性。常见方式:层级预测方式AHP、子树胺基酸判断六亚、莫利法、模糊不清预测方式、对顶角常数法、同比打分法、最轻平方式、序亲密关系预测方式等

主观穿鞘法:依据历史经验科学研究分项间的相关亲密关系或分项与评估结果结论的影响亲密关系来综合性赞扬。这是定量分析科学研究,无需考量制定者直觉意向和业务实战经验,计算方式较为复杂。常见方式:主成份预测、胺基酸预测、熵值法、特征函数法、均标准差法、重回预测方式等

三、常见权重股计算方式

3.1 层级预测方式(AHP)

层级预测方式简称AHP,是指将与总体重大决策有关的原素还原成最终目标、原则、方案等层级,接着展开认定和定量分析预测的方式。根据总的最终目标,可以将难题降解为不同的不利因素,形成一个多层级的预测结构数学模型,从而最后使难题归因于最低层相较于Azamgarh的相较关键子树的确认或相较好坏顺序的定出。

层级预测方式可应用于权重股逐步形成的多种场景,比如1、利用层级预测方式对内容社区的原创作者展开创作者打分评级,接着针对不同评级的创作者制定不同策略,以刺激更多原创优质内容的生产;2、利用层级预测方式对各流量来源的渠道展开渠道的打分评级,更加有效主观全面的赞扬一个渠道的综合性价值;

权重(权重系数是什么意思)-第2张权重(权重系数是什么意思)-第3张

层级预测方式具有系统性、实用性、简洁性的优点,一般步骤如下:

1)建立递阶层级结构数学模型

应用AHP解决实际难题,首先要明确须要预测重大决策的难题,把它条理化理出递阶层级结构。一般由三个层级组成:最终目标层(Azamgarh),难题的预定最终目标、原则层(中间层),影响最终目标实现的原则、措施层(最低层),促使最终目标实现的措施。通过对复杂难题的预测,找出影响最终目标实现的原则,要详细预测各原则不利因素间的亲密关系,有些是主要原则有些是次原则,接着根据这些亲密关系将各原素分成不同的层级和组,上一层原素由下一层原素构成并对下一层原素起支配作用。最后预测为解决难题,在上述原则下,有哪些最后措施,将他们作为措施层不利因素,放在层级结构最底层。

以上图作者打分数学模型为例,作者总分即为最终目标层;作品质量得分、发布得分等即为原则层;图文分享数、评论数等即为措施层。

2)构造判断矩阵

据递阶层级结构就能很容易地构造判断矩阵。构造判断矩阵的方式是:每一个原则不利因素作为判断矩阵的第一个原素,隶属于它的各个原素依次排列在其后的第一行和第一列。接着填写判断矩阵,大多采取的方式是根据专家(业务实战经验)来判断矩阵的原则,当中两个原素两两比较哪个关键,关键多少,对关键性程度按1-9赋值。在实际应用中,可用spss工具展开计算,简洁方便。

权重(权重系数是什么意思)-第4张

3)计算权向量并做一致性检

对于填写完的判断矩阵利用一定数学方式展开层级顺序,计算权向量,指每一个矩阵各不利因素针对其原则的相较权重股。计算权向量有特征根法、和法、幂法等,再次不做过多介绍。确认权向量后,须要对判断矩阵展开一致性检验。比如A比B关键,B比C关键,但是最后结论显示C比A关键,这样即为不一致。可以利用一致性分项、随机一致性分项和一致性比率做一致性检验。若检验通过,归一化后的特征向量即为权向量,若不通过,需重新构造成对比较阵。

4)计算综合性关键度

以上预测只得出结论相较关键度,因此在层级预测中,还需计算同一层级所有要素对Azamgarh级展开顺序,从最上层开始,自上而下的求出各层要素关于总体的综合性关键度,并展开一致性检验。

赞扬:层级预测方式是把科学研究对象当作一个系统,按照拆解、比较的思维展开重大决策。当中每一层的权重股设置最后都会直接或间接影响到最后结论,每一层级中每一不利因素对结论的影响均可量化。把认定与定量分析相结合,利用专家实战经验,对赞扬难题的本质、要素的理解出发,比一般的定量分析方式更讲求认定的预测和判断。层级预测方式适用于处理许多用传统的最优化技术无法着手的实际难题。

3.2 特征函数法

特征函数是刻画离中趋势的关键分项,反映取值的差异和波动,在数值上等于标准差除以均值。为甚么特征函数可以确认权重股,因为在赞扬体系中,若某不利因素取值差异大,则说明该不利因素难以实现,是反应所赞扬对象差距的关键不利因素,所以要赋予更高权重股。

比如:

在高考时,他们经常会谈要把精力多放在数学上,而语文则是循序渐进,以保分为主。

为甚么呢?

是因为数学成绩相比语文成绩,更能拉开总分差距:数学学的好,考130、140分的可能将性很大,而语文全班分数则可能将普遍分布在100-120分,付出很多努力却和别人拉不开甚么差距。

他们重视能拉开差距的科目,其实就是对取值差异大的不利因素,对其赋予了更高权重股。

尝试去用特征函数法综合性赞扬北京某景区的各影响不利因素分项权重股。数据选取某一年的数据。计算这些影响不利因素的特征函数、标准差、平均数,反映出各不利因素在这些分项上的差距,并作为确认各项分项权重股的依据。

权重(权重系数是什么意思)-第5张

将各项分项的特征函数加总得12.05,接着计算构成赞扬分项体系得这5个不利因素分项的权重股,超负荷的接待量:

过多的人工建筑:

其他分项的权重股依次类推,最后求得各不利因素权重股:

权重(权重系数是什么意思)-第6张

特征函数法直接利用各项分项所包含信息量,通过计算得到分项的权重股,是一种主观的穿鞘方式。在赞扬中,分项取值差异越大的分项也就越能反应不利因素差异,这样的分项更能反应每一被赞扬最终目标间的差距。

以上,希望对大家有所帮助。

作者:赵小洛,公众号:赵小洛洛洛

本文由 @赵小洛 原创发布于人人都是产品经理,未经许可,禁止转载

题图来自 Unsplash,基于 CC0 协议