基于SPSSPRO实现层次分析法(AHP)

简介: 层次分析法,简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。

层次分析法,简称AHP,是指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法。(摘自百度百科)

层次分析法有着广泛使用,涉及到的平台也多种多样,今天我们以SPSSPRO平台为例,来实现层次分析法。

平台介绍:

SPSSPRO(Scientific Platform Serving for Statistics Professional)“专业、科学的数据分析平台”,是一款区别于SPSS、SAS传统客户端模式的全新在线数据分析平台。(摘自官网产品介绍)具有强大的数据处理功能、支持多样算法分析、并可以出具详细的分析报告。

按照惯例,我们先给出网址:https://www.spsspro.com/

1.层次分析法(简化版)

在简化版中,平台舍弃了对于方案层的层次总排序,如果需要进行层次总排序,请跳过本段,直接看专业版说明。

下面,我们直接进入实操环节:

①我们选择AHP层次分析法简化版分析,构建判断矩阵。

这里我们以经典的出行问题为例,选择景色、费用、住宿、饮食和旅途5个指标,人为地构建判断矩阵,输入结果如下:

1.png
填写指南中也给出了标度及含义,可以辅助填写
2.png
完成矩阵的构建,我们点击右下角的开始分析,进行分析计算。
②查看分析结果
AHP层次分析法结果:主要展示各指标特征向量、权重值及最大特征根和CI值的取值情况。
3.png
一致性检验结果:主要用于判断矩阵构建的合理性,若未能通过一致性检验,则需要重新提交矩阵。
4.png
③报告输出:
5.png
参考资料:https://bbs.spsspro.com/news/52

  1. 层次分析法(专业版)
    在专业版里面,SPSSPRO 健全对方案层的层次总排序,如不需层次总排序,请看上文简化版的说明。
    参考资料:
    https://bbs.spsspro.com/news/53
    按照惯例,我们先给出网址:
    https://www.spsspro.com/
    ①构建决策模型
    6.png
    ②指标打分
    7.png
    ③方案打分
    8.png
    ④结果输出:
    方案得分:
    9.png
    判断矩阵:
    10.png
    方案层判断矩阵汇总结果:
    11.png
相关文章
|
机器学习/深度学习 数据采集 人工智能
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
|
Web App开发 小程序 Android开发
Uniapp 底部导航栏 自定义 tabBar 全端 全页面引用跳转 组件
Uniapp 底部导航栏 自定义 tabBar 全端 全页面引用跳转 组件
655 0
|
JavaScript 前端开发 测试技术
移动端(APP)自动化脚本工具详细列举(autojs、easyclick、hamibot、ctrljs ...)
移动端(APP)自动化脚本工具详细列举(autojs、easyclick、hamibot、ctrljs ...)
4526 0
|
1月前
|
数据采集 存储 自然语言处理
113_数据收集:Common Crawl过滤与高质量LLM训练数据构建
在大型语言模型(LLM)的训练过程中,数据质量直接决定了模型的性能上限。即使拥有最先进的模型架构和训练算法,如果没有高质量的训练数据,也难以训练出优秀的语言模型。Common Crawl作为目前互联网上最大的公开网络爬虫数据集之一,为LLM训练提供了宝贵的资源。然而,从原始的Common Crawl数据中提取高质量的训练素材并非易事,需要经过严格的过滤和清洗。本文将全面探讨Common Crawl数据集的特性、过滤策略的设计原则、以及2025年最新的过滤技术,为构建高质量的LLM训练语料提供系统指导。
|
11月前
|
机器学习/深度学习 人工智能
一个模型走天下!智源提出全新扩散架构OmniGen,AI生图进入一键生成时代
智源研究院推出OmniGen,一种全新的扩散模型,旨在克服现有图像生成模型的局限性。OmniGen能处理文本到图像、图像编辑等多任务,具备高效、简洁的架构,仅含VAE和预训练Transformer。通过大规模统一数据集X2I训练,OmniGen展现了强大的多任务处理能力和知识转移能力,适用于虚拟试穿、图像修复等多个领域。尽管如此,OmniGen在特定任务上的性能、训练资源需求及可解释性等方面仍面临挑战。
41901 20
|
9月前
|
人工智能 自然语言处理 算法
接入DeepSeek需要做算法备案吗?一文读懂算法备案的那些事儿
在AI快速发展的今天,算法备案成为企业合规运营的关键。本文通过五个案例解析接入DeepSeek是否需备案:1) 微调模型需备案,流程4-6个月;2) 面向公众服务需备案;3) 内部使用通常无需备案;4) 个人自用无需备案;5) 面向特定专业人士通常无需备案。了解这些要求,确保企业在享受AI红利的同时合规运营,规避风险。
|
机器学习/深度学习 自然语言处理 API
10-22|处理脏话其他方法
10-22|处理脏话其他方法
|
Java
Java aop 如何获取方法的参数体
【8月更文挑战第12天】Java aop 如何获取方法的参数体
498 2
|
监控
探索ERP系统的实施流程与方法论
探索ERP系统的实施流程与方法论
1811 2
|
存储 监控 Kubernetes
构建高效稳定的云原生日志监控系统
【5月更文挑战第26天】 随着微服务架构和容器化技术的普及,传统的日志监控方法面临重大挑战。本文将探讨如何构建一个既高效又稳定的云原生日志监控系统,该系统旨在提供实时的日志分析能力,同时保证系统的高可用性和可扩展性。我们将讨论利用现代技术栈如Fluentd、Elasticsearch和Kibana(EFK栈)来搭建日志收集、存储和可视化的解决方案,并深入探讨如何通过容器编排工具如Kubernetes来实现日志服务的自动伸缩和故障恢复。此外,我们还将介绍一些最佳实践,帮助运维团队在保持系统性能的同时,降低资源消耗和运营成本。