教育房产时事环球科技商业
投稿投诉
商业财经
热点动态
科技数码
软件应用
国际环球
晨报科学
新闻时事
信息智能
汽车房产
办公手机
教育体育
生活生物

评价方法(简单多指标综合评价三大方法)

  评价方法(简单多指标综合评价三大方法)
  文介绍了多指标评价的几类方法:离差标准化、z-score标准化、非线性标准化。
  多指标评价常用于需要对一些对象进行比较的场景,在保有明确目的的情况下,通过多个维度的表现数据,赋予不同权重进行综合评判,最终形成排序。
  首先涉及到的就是这些数据的归一化(normalization),或者说标准化,本质上就是去量纲,把量纲理解成计量单位也OK。这一步的重要性在于,多维度的评判,收集到的多方面数据,横向来看没有强耦合性,性质不同,量纲&数量级则大概率不同,直接用原始数值分析,那你得在不同维度的最终权重赋予上下大功夫,而且也不是很好解释。
  纵向来看,同一维度下不同对象的值极端情况下可能差异巨大,归一化可以减弱这类影响。总之,去量纲转化为纯数值后,会更方便得进行不同对象之间的差距评估。
  以下是几类方法简介:
  一、离差标准化
  名字很多,也叫线性标准化,最值归一化,min-max法,都是一个意思,即 处理后X = (处理前X – 最小值)/(最大值 – 最小值),这里的最大最小值,指的是同一维度下不同对象的值的集合中的最值。这样的处理可以把这个集合中的所有数值根据大小差距,映射入[0,1]区间内,也有的处理是最小值默认0,那就是看集合中的值和最大值的比例关系。
  举两个实际例子:
  ①现在想给a,b,c三个商家打分,0~10分,有两个维度的数据,各占比40%和60%,这就意味着在维度一上满分是4分。
  每个维度下最大值得分最高,其余数值按照与最大值的比例得分,最终把两个维度的分数相加,即为总分,如下表。需要注意的是,并不是所有的维度下,最大值都是最高分,存在值越高分越低的情况,比如差评,针对这种情况在数值处理上要取其倒数。
  ②现在要给一个用户推荐一些餐馆,它们的Rank如果除了以往的评价,装潢等,我还要考虑餐馆和用户的距离,或者餐馆和用户搜索的POI的距离。此时,得分y = 1-(x-min)/(max-min),x = 用户或者POI与餐馆的距离,min = 用户或POI与该城市内餐馆的最小距离,max = 用户或POI与该城市内餐馆的最大距离。空搜或关键字搜索,不同场景。
  二、z-score标准化
  也叫z标准化,标准差标准化,均值方差归一化。适用于数量较多,没有明显边界的数据,而且最好满足高斯分布。公式是处理后X = (处理前X – 均值)/ 标准差。这里的均值和标准差都是指同一维度下不同对象的值的集合的均值和标准差。通过这样,就可以把一种分布的数据变换为标准正态分布,均值为0,标准差为1,处理后的数值,符号为正就是超出平均水平,符号为负就是低于平均水平,很清楚。
  处理前:
  处理后:
  同样需要注意的是,如果有的值是越低越好,那么,最终正负号需要做一个相反处理。
  三、非线性标准化
  这个方法很适合处理极值,要用到这个,就需要看你有没有一个需求,比如,我还是要给用户推荐一批餐馆,排序要去考虑UGC,就是用户评价的数量,但是我研究了一下我所有的餐馆,发现大部分餐馆的评价数都在100~300之间,有一些是1000+,就也不多,但是对于用户来说,评论数无非是一个评价可信的佐证,一个踩坑的概率剪枝,300多条勉强足够了,所以尽管有些餐馆的评论数特别多,它在这一项上的得分也不应该是正常水平的几倍,于是你就需要一个非线性的评价曲线,让评论数超过了一定阈值之后,增长相同的评论数,得分增长越来越低。这里一般会取用y=a*log10(x)+b的形式,通过调整a与b来根据数据调整曲线。
  标准化处理时也要考虑数据可能存在的问题,比如由于维度拆分过细,样本量较少,数据异常,可能会导致在单项上某个对象没有数值,针对此类情况,是否考虑在单次评价中将该项上的权重按比例转移?还是有一个兜底分数?等等。
  不同的标准化方式其实适用于不同的业务要求(数据精准,颗粒度等),在多指标评价中你最终可能还会觉得权重的设置起了更重要的作用,但是说到底还是2部分:数据+算式(处理)。清楚你要评估的对象的哪些方面,清楚地定义口径,是评价体系的客观性的重要体现。
  其实很明显,多指标的评价是一个描述不同对象的差距程度的,可以理解是描绘竞争关系的,是相对的,横向的,就比如在自媒体的后台中,平台给的分数的绝对值并不能完全代表你的水平浮动,但是努力提高创作水平,争取提高你的分数,一定是有用的,因为你改变了竞争关系~

低功耗笔记本(低功耗笔记本电脑推荐)低功耗笔记本(低功耗笔记本电脑推荐)在购买笔记本电脑的时候,大部分人都是关注轻薄性能两大方面的知识,觉得轻薄性能好的笔记本电脑才更加值得选择。但往往买了这类型的笔记本电脑时候,你会青铜器鉴定(分分钟辨青铜器真伪)青铜器鉴定(分分钟辨青铜器真伪)你好呀!故宫第二季喜马拉雅开讲啦!6位故宫专家联手8位专业学者!50件故宫院藏珍品,感受中华文明魅力充分挖掘文物背后的历史文化与艺术价值!添加wei图书排行榜(有史以来最佳书籍TOP100)图书排行榜(有史以来最佳书籍TOP100)Quora上有位喜欢阅读的技术大神,自己编写了一个程序,从BBC纽约时报Goodreads等许多重量级的媒体或机构收集了80多份权威推荐书房屋常识房产开发四证分别指的是哪四证很多朋友们现在对于房产方面的知识了解的偏少,不管是从购房的角度,或者是装修房子的角度,我们都需要对房产方面的一些知识进行了解,所以小编今天就在网上搜集了一些房产方面相关的知识来分享叶良辰是什么梗(叶良辰)叶良辰是什么梗(叶良辰)我叫叶良辰火了,叶良辰到底做了什么,为什么会火?叶良辰究竟是谁?9月25日,叶良辰因一组嚣张语录火爆网络,原来是一次初中生寝室卫生安排而引发的血案。叶良辰一叶良辰是什么梗(叶良辰)叶良辰是什么梗(叶良辰)我叫叶良辰火了,叶良辰到底做了什么,为什么会火?叶良辰究竟是谁?9月25日,叶良辰因一组嚣张语录火爆网络,原来是一次初中生寝室卫生安排而引发的血案。叶良辰一最冷一天歌词(最冷一天是由林夕作词)最冷一天歌词(最冷一天是由林夕作词)最冷一天是由林夕作词,陈小霞作曲,陈奕迅演唱的一首粤语歌曲。下面是小编为您收集整理的吉他谱,希望对您有所帮助。这首歌原唱是香港著名歌手演员音乐人国外杀毒软件排名(杀毒软件排名)国外杀毒软件排名(杀毒软件排名)几年前,在国内各大杀毒软件还没有全面免费阶段,我们主用的Windows系列主要还是以XP为主,那时杀毒是装机时的必装软件之一。所以对于哪款杀毒软件免世界最好的杀毒软件(国外的六个最佳)世界最好的杀毒软件(国外的六个最佳)目前可用的七个最佳防病毒软件解决方案。BitdefenderAntivirusPlus在今年获得了我的最高票,Bitdefender不会自动将它联系人英语(考研英语考纲重点词汇解析)联系人英语(考研英语考纲重点词汇解析)olicy39plisin。政策方针保险单codekudn。码密码法规准则法典代码vt。把编码制成法典contract39kntrkt,kn3螨虫图片(竟然在人脸上找到了螨虫)螨虫图片(竟然在人脸上找到了螨虫)你是不是常常看到这样的广告你的被子枕头上都是螨虫你每天都和成千上万的螨虫睡在一起!长痘脸发痒,说明你脸上有螨虫!但是,人的脸上都会有螨虫吗?带着这
房屋常识地下商铺有产权吗很多朋友们现在对于房产方面的知识了解的偏少,不管是从购房的角度,或者是装修房子的角度,我们都需要对房产方面的一些知识进行了解,所以小编今天就在网上搜集了一些房产方面相关的知识来分享隧道施工方法(沉管法施工步骤)隧道施工方法(沉管法施工步骤)1全断面开挖法全断面开挖法就是按照设计轮廓一次爆破成形,然后修建衬砌的施工方法。适用条件(1)IIV级围岩,在用于级围岩时,围岩应具备从全断面开挖到初翡翠a货是什么意思(翡翠的ABC货都分不清)翡翠a货是什么意思(翡翠的ABC货都分不清)翡翠的辨伪方面最基础的一个知识点,这个知识点叫作翡翠的ABC货。很多人可能都听说过,但是为什么在这里我把这个知识点专门拿出来,跟大家做一放屁多的原因(屁多是身体出现问题?)放屁多的原因(屁多是身体出现问题?)不知道大家上学的时候,有没有经历过还在上课的时候,本来鸦雀无声的教室,突然有人放了个屁,于是班里面顿时哄笑成一团。放屁本是我们每天都会做的事情,卵巢囊肿是什么原因引起的(卵巢囊肿到底是由什么原因引起的?)卵巢囊肿是什么原因引起的(卵巢囊肿到底是由什么原因引起的?)出现卵巢囊肿的危害是非常大的,女性又很常见的这一病症究竟是怎么回事呢?这是很多人的疑问,带着这些疑问小编给大家来介绍一下额头窄的人(额头的宽窄和聪明有关系吗?)额头窄的人(额头的宽窄和聪明有关系吗?)导读如果说在这个社会,颜值不能当饭吃,那么智慧却肯定能够创造财富了。比起样貌,家长们更加重视的是孩子的智力,谁不想自己的孩子聪明呢?很多家长新手怎么开车(新手开车)新手怎么开车(新手开车)如今学车的人是越来越多,很多新手司机拿到了驾照就会很兴奋地开车出行,但其实拿到驾照只是一个开始,想要真正地学会开车还需要必备一些技巧。今天小编就为大家整理了新手怎么开车(新手开车)新手怎么开车(新手开车)1转弯变道前要养成打转向灯的好习惯,如果你不打灯就变道,其他车不知道你的意图,很容易发生碰撞。2即便你是新手,也不要在高速公路上开的很慢,更别说占着快速车道新手开车注意事项(开车的注意事项)新手开车注意事项(开车的注意事项)新手司机上路,由于技术不熟练,总是担惊受怕的,今天这篇文章带你细数下新手上路应该注意的事项1。刹车技巧,大多数新手刹车时很容易产生急刹车的状况,整人类史上最大核弹试爆画面首曝光这两天关于人类史上最大核弹试爆画面首曝光在网上的热度是非常高的,很多网友们也都是非常关注人类史上最大核弹试爆画面首曝光这个事情,为此小编也是在网上进行了一番搜索查阅相关的信息,那么生活知识科普味精吃多了有什么害处在我们的生活当中有很多的常识性的知识大多数人都是不知道的,就好比最近就有很多小伙伴咨询小编问小编关于味精吃多了有什么害处的这些知识点,这就说明了现在人们也开开渐渐关注起了味精吃多了