基于两个显着性指标的加权决策答案

【问题标题】：Weighted Decision Making on the basis of Two Significance Indexes基于两个显着性指标的加权决策
【发布时间】：2015-05-23 11:31:26
【问题描述】：

我正在努力为书籍分配做出最佳决定（有些书籍有多个作者，属于不同的组织）。一本书只能代表一个作者。我有两个要计算的变量，即个人重要性指数 (PSI) 和组织重要性指数 (OSI)。我想根据这两个因素做出决定，但每个因素的重要性各不相同。

我想通过改变 PSI 和 OSI 在决策过程中的影响来评估“图书发行质量”。

例如，假设我有一个作者，我想用他的书来代表他，考虑到该书有多个作者，并且其他作者希望由同一本书代表。我已经计算了给定作者的书的 PSI 和给定书的 OSI，我想做出决定。

举个例子：

假设 PSI 为 0.9，OSI 为 0.4：

在决策过程中，我交叉检查了每位作者的 PSI，我想将一本书分配给 PSI 最高的作者，但同时考虑到我将代表一个机构 (OSI)。

是否可以对决策进行模糊建模，以便我的决策更多地基于一个指标而更少地基于另一个指标？例如：

PSI (0.9) 30% 对决策的影响 OSI (0.4) 70% 对决策的影响

也许通过改变“影响”百分比并评估分发质量来进行多次传递？

【问题讨论】：

【解决方案1】：

您可以对“重要性指标”进行线性加权。如果 PSI 为 0.9，OSI 为 0.4，但您分别使用 30% 和 70% 的权重，则将 0.9 乘以 0.3 和 0.4 乘以 0.7，得到 0.27 和 0.28。然后根据相对大小来决定。（在这种情况下，您会选择按组织分配。）

或者，您可以将一个权重设为正数，另一个设为负数，然后将这些值相加，然后根据符号做出决定。如果您重复上述示例，对 PSI 使用负权重，那么您最终会计算出0.9*(-0.3) + 0.4*0.7) = 0.01，这是（不出所料）正数，因此您仍然按组织分配图书。

此时，您已经构建了一个Linear classifier。如果您发现自己无法提出自己喜欢的权重，但您可以逐案查看书籍并标记它们，有许多常见算法可以为您确定“最佳”权重（例如“最佳”的不同定义）。

【讨论】：