TOPSIS法TOPSIS权重法是一种评价多个样本综合排名的方法，用于比较样本的排名模糊综合评价是通过各指标的评价和权重对评价对象得出一个综合性评价灰色关联灰色关联是一种评价多个指标综合排名的方法，用于判断指标排名14 非参数检验 非参数检验SPSSAU 非参数检验用于研究定类数据与定量数据之间的；最后topsis+熵权法 跟熵权法，它就不是一个东西熵权法就是求权重的一种方法而已它只是topsis的一部分熵权法只是求解权重的一种方法，没有啥好探讨的一言以蔽之topsis核心就是针对归一化矩阵，通过带权值的距离公式求解出到正负理想点的距离。
2 逼近理想解排序法TOPSIS首先对参数进行归一化，从网络的每组属性参数值里选择最好的参数组成最优的一组属性参数，同样也可以得到最差的一组属性参数将每个网络与这两组参数比较，距离最优参数组越近，并且与最差组越远，该网络为最合适的网络3 灰度关联分析法GRA首先对参数进行归一化，再利用GRA。
带权重的topsis matlab代码
TOPSIS法用于研究评价对象与‘理想解’的距离情况，结合‘理想解’正理想解和负理想解，计算得到最终接近程度C值熵权TOPSIS法核心在于TOPSIS，但在计算数据时，首先会利用熵值熵权法计算得到各评价指标的权重，并且将评价指标数据与权重相乘，得到新的数据，利用新数据进行TOPSIS法研究通俗地讲。
则使用SPSSAU的进阶方法模块中的“聚类”功能，系统会自动识别出应该使用Kmeans聚类算法还是Kprototype聚类算法3权重研究权重研究是用于分析各因素或指标在综合体系中的重要程度，最终构建出权重体系权重研究有多种方法包括因子分析熵值法AHP层次分析法TOPSIS模糊综合评价灰色关联等。
TOPSIS法在评价类和决策类问题中的应用评价如下一TOPSIS法的基本属性 属于客观赋权法TOPSIS法是基于评价指标间的相关性或指标值变异程度来确定权重的，这使其成为一种客观的评价方法二TOPSIS法的核心步骤 决策矩阵规范化通过线性变换标准01变换区间型属性变换等方法对数据进行预处理，消除变。
提供常用27类常用算法提供算法向导，方便用户直接采用各类算法进行计算具体方法包括层次分析法模糊综合法灰色白化权函数聚类TOPSIS法 趋 势面分析数据包络法主成分分析法极差分析方差分析主成分分析因子分析支持向量机环比系数法ADC法SEA法数据一致性分析平滑滤 波法。
在SPSSPRO中进行秩和比检验时，若希望各指标有权重不带权重则称RSR，带权重则称WRSR，可在输入页面的变量权重选择“自定义权重”处进行设置六模型理论 RSR法的基本思想是对评价指标排秩，以秩的平均值为评价标准，适用于对不同计量单位的指标进行综合评价RSR法计算的基本步骤包括构造矩阵。
带权重的线性回归算法公式
还有一些其他的方法，比如德尔菲法，二元对比排序法，综合加权法等等，有兴趣可以自己查阅 铺垫了这么久，总算可以用这个方法进行解题啦 首先我们还是要引入几个概念 举个例子说明，如果我们要评价一名学生的表现，按照之前提到的层次分析法或者TOPSIS法，都是找到指标后进行一个综合的打分，往往是用来比较多名同学的表现。
熵权法赋权在TOPSIS里面经常使用熵权法进行赋权，因为熵权法可以使用本次分析所收集的数据进行标准化处理计算信息熵和权重，无需额外数据或者分析过程例如层次分析法就需要额外收集数据和计算结果来计算权重使用熵权法计算出每个评价的权重wj为要注意的是，原始数据矩阵的列变量标签是非常差差。
TOPSIS法可用于工作效益或质量的分析比较评价，如评价工作质量，餐厅环境等优点方法简单，结构合理，排序明确，应用灵活充分利用原始数据信息，排序结果能定量反映不同评价对象的优劣程度，直观可靠对数据没有严格要求，可直接用原始数据计算能消除不同量纲带来的影响 #160层次分析法analytic。
Topsis法通过计算某一距离与正理想解与负理想解之间的 加权欧氏距离 ，得出该方案与正理想解的接近程度，以此作为评价各方案优劣的依据方法背景设置较多指标，带来问题主成分分析精简变量保留原始信息 目标构造一些综合指标使满足如下条件方法步骤 14 主成分理论分析 起源一寻找潜在变量 因子分析模型是主成分分析的推广。