guzhujushi
5319589dfd
审查并精简 ChatGPT 的建库建议后落地的第一版骨架，只定接口不写实现。 - 建议审查：14 个包 → 7 个；约 250 个函数 → 约 40 个；5 个 Result 类 → 1 个 （docs/01-suggestion-review.md） - docs/：架构、路线图（含永久不做清单）、环境、Git 工作流、函数卡片模板 - src/mcm_toolkit/：core / data / stats / models / solve / decision / viz 共 23 个模块，均为签名 + docstring + NotImplementedError - tests/：9 个文件，其中 test_api_surface.py 已通过（20 passed） - examples/ problems/ notebooks/ figures/ tables/ 骨架 - pyproject.toml（核心依赖 4 个 + 6 组 extras）、environment.yml - scripts/：setup-venv.ps1（ASCII + LF）、setup-conda.ps1、doctor.ps1 - 环境：.venv（system-site-packages）与 conda 环境 mcm-toolkit 均已建好， 数值栈版本与 base 完全对齐（numpy 2.4.6 / scipy 1.18.1 / pandas 3.0.6，MKL 后端）
72 lines
2.4 KiB
Python
72 lines
2.4 KiB
Python
"""客观赋权：熵权法、CRITIC。
|
||
|
||
★ `entropy_weights` 是 S 档，建议自己实现。
|
||
熵权法是中文建模赛出现频率最高的赋权方法，实现只有 20 行，
|
||
但"指标方向、无量纲化、对数 0 处理"三个坑必须理解清楚才能写对。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
from typing import Any
|
||
|
||
__all__ = ["critic_weights", "entropy_weights", "equal_weights"]
|
||
|
||
|
||
def equal_weights(n: int) -> Any:
|
||
"""等权，即 `1/n`。作为赋权结果的对照基线，论文里应该报。"""
|
||
# TODO(L1)
|
||
raise NotImplementedError
|
||
|
||
|
||
def entropy_weights(
|
||
X: Any,
|
||
benefit_columns: Any = None,
|
||
eps: float = 1e-12,
|
||
) -> Any:
|
||
"""熵权法。
|
||
|
||
Parameters
|
||
----------
|
||
X:
|
||
决策矩阵，行 = 方案，列 = 指标。**必须已无量纲化且已做正向化**。
|
||
benefit_columns:
|
||
效益型（越大越好）指标的列名/下标。其余按成本型处理。
|
||
`None` 时假设全部是效益型，并在 `message` 里提示——避免静默搞错方向。
|
||
|
||
Returns
|
||
-------
|
||
`Result`：`params={"weights": 权重向量}`，
|
||
`extras["entropy"]` 是各指标的熵值，
|
||
`extras["redundancy"]` 是差异系数 `1 - e`（权重就来自它的归一化）。
|
||
|
||
Notes
|
||
-----
|
||
三个必须处理的细节：
|
||
1. **方向**：成本型指标要先正向化（`max - x` 或 `1/x`），否则权重完全错。
|
||
2. **量纲**：熵权法要求 `x >= 0`，且对量纲敏感——先做 min-max 或向量归一。
|
||
3. **零值**：`p·ln(p)` 在 `p=0` 时按 0 处理（极限为 0），不能直接算，否则出 NaN。
|
||
|
||
熵权法的缺点是**只看数据离散程度，不看指标的实际重要性**。
|
||
实践上常和 AHP 做组合赋权：`w = α·w_entropy + (1-α)·w_ahp`。
|
||
|
||
Examples
|
||
--------
|
||
>>> import numpy as np
|
||
>>> r = entropy_weights(np.array([[1., 2.], [3., 1.], [2., 3.]]))
|
||
>>> bool(np.isclose(r.params["weights"].sum(), 1.0))
|
||
True
|
||
"""
|
||
# TODO(L1) ★ S 档：配完整函数卡片
|
||
raise NotImplementedError
|
||
|
||
|
||
def critic_weights(X: Any, benefit_columns: Any = None) -> Any:
|
||
"""CRITIC 赋权。
|
||
|
||
与熵权法的区别：熵权法只看"对比强度"（标准差），
|
||
CRITIC 还乘上"冲突性"（与其他指标的相关性）。
|
||
`C_j = σ_j · Σ_k (1 - r_jk)`，权重 = `C_j / ΣC`。
|
||
"""
|
||
# TODO(L1)
|
||
raise NotImplementedError
|