数学建模————统计问题之评价（三）

    评价一般用来评估某件事物的成绩、水平或程度。通常每个个体都有多个不同的指标去衡量，除开数据的预处理之外，评价的过程可分为三大步：

    一对于每个指标给每个个体打分；

    二赋予每个指标一个权重；

    三根据权重将指标得分综合起来，从而获得该个体的综合评价。

    常见的评价算法有：TOPSIS理想解法、模糊综合评价、层次分析法、熵权法、秩和比综合评价、灰色关联分析、粗糙集综合评价、主成分分析法等。这些算法根据上面的三个步骤可以分为客观评价和主观评价两个大类。

    Step1 首先是指标的给分，除非国际或者相关领域有着标准的给分，比如：每一级水质中各成分的含量都有一个标准，那么根据这个标准，我们就可以将各个成分指标划分到各自的级别。除开这种有标准的情况，评价算法中还有所谓的专家打分机制（其实大多数情况也是自己打分的，即自己给每个指标一个评分标准，然后根据这个人造标准来打分zz），从而完成第一步，使用这种专家打分方法的有模糊综合评价、层次分析法、秩和比综合评价、粗糙集法。

        当然也有客观的评分机制，比如说TOPSIS理想解法和灰色关联度法，这两种方法是将每个指标中的最好数据合并，作为理想解，然后比较各个样本与它的距离或者相关性，从而进行评价。