熵

利用Spark计算CMIM、MRMR、MIFS等方法的开源库已经相当成熟。作者在仿照Spark MLlib库的特征选择功能基础上，扩展了支持系统信息熵和条件熵计算的方法。需要具体结果时，可直接调用ml.feature中相应的方法。

MATLAB提供高效便捷的函数，用于计算信息熵，量化数据的不确定性。

熵：定义与应用 熵，也称为信息熵，是对随机变量不确定性的度量。 定义：在概率空间上，随机变量 $I(X)$ 的数学期望被称为该随机变量 $X$ 的平均自信息，也称为信息熵或熵，记为 $H(X)$。 信息熵的概念不仅应用于信息论，也在决策树构建和模型评估中发挥着至关重要的作用。

本节将绘制二进制熵函数曲线，并且包含三进制的熵函数图示。二进制熵函数定义为H(p) = -plog2(p) - (1-p)log2(1-p)，而三进制熵函数则为H(p) = -p1log3(p1) - p2log3(p2) - p3*log3(p3)。接下来，我们使用Matlab进行实现。 % 二进制熵函数 p = 0:0.01:1; H_bin = -p.*log2(p) - (1-p).*log2(1-p); H_bin(p==0) = 0; H_bin(p==1) = 0; % 避免计算log(0) % 三进制熵函数 p1 = 0:0.01:1; p2 = 1 - p1; p3 = 0.5; H_tri = -p1.*log3(p1) - p2.*log3(p2) - p3.*log3(p3); H_tri(p1==0 | p2==0) = 0; % 避免计算log(0) % 绘图 figure; subplot(2,1,1); plot(p, H_bin); title('二进制熵函数'); xlabel('p'); ylabel('H(p)'); subplot(2,1,2); plot(p1, H_tri); title('三进制熵函数'); xlabel('p1'); ylabel('H(p1,p2,p3);'); 图中分别展示了二进制熵和三进制熵的变化情况，直观地反映了熵的性质。

熵值法优化TOPSIS计算公式，提出改进熵权TOPSIS法，结合定性定量因素对电力营销服务进行评价，验证了该方法的实用性。

熵权法是一种多准则决策方法，通过计算各准则的熵值和权重来进行决策分析。MATLAB提供了便捷的实现工具，可用于快速计算和应用熵权法。这种方法在工程和管理领域得到广泛应用，能有效处理多因素决策问题。

该脚本利用Kozachenko-Leonenko方法对一维日期数据进行熵的点估计。

本包含两个文件：运行主文件和熵权TOPSIS函数。运行主文件可从我的个人主页文章中获取详细说明。函数中附有代码注释。我认为熵权TOPSIS是一种相对简单的多准则决策方法。

利用VBA宏编程实现矩阵区位熵的便捷计算，无需安装额外软件。

介绍了topsis评价类算法，采用熵权法确定权重，并提供了私人编写的r语言代码，方便用户直接代入数据进行运行。