Gewichtungsmethoden
Gewichtungsmethoden umfassen Verfahren zur Zuweisung von Gewichtungen zu Merkmalen, Kriterien, Beobachtungen oder Signalen, um ihren Einfluss in Berechnungen, Modellen oder Entscheidungsprozessen zu steuern. Sie spielen eine zentrale Rolle in Statistik, Entscheidungsanalyse, Informationstheorie, maschinellem Lernen und Information Retrieval.
Grundtypen der Gewichtung lassen sich in objektive (datengestützte) und subjektive (experten- oder nutzerbasierte) Ansätze einteilen. Objektive
Wichtige Methoden sind unter anderem:
- Gleichgewichtung: Alle Kriterien erhalten dasselbe Gewicht.
- Expertenbasierte Gewichtung: Subjektive Einschätzungen fließen in die Gewichte ein.
- Analytischer Hierarchieprozess (AHP): Kriterien werden paarweise verglichen, Gewichte und Konsistenz geprüft.
- Entropie-Gewichtung: Aus den Verteilungen der Kriterienwerte werden datenbasierte Gewichte abgeleitet.
- Varianz- oder informationsbasierte Gewichtung: Kriterien mit höherer informativer Trächtigkeit erhalten mehr Gewicht.
- Gewichtung in der Umfrageforschung: Gewichtungsfaktoren passen Stichprobeneigenschaften an die Grundgesamtheit an.
- Informationsabruf: tf-idf gewichtet Begriffe nach Häufigkeit und Einordnung in Dokumenten.
- Maschinelles Lernen: Klassen- oder Instanzgewichte adressieren Ungleichgewicht; Feature-Gewichtungen bewerten die Relevanz von Merkmalen.
Gewichtungen werden üblicherweise normalisiert (z. B. Summe der Gewichte gleich 1) und durch Sensitivitätsanalysen geprüft. Nachteile